論文の概要: ISMS-CR: Modular Framework for Safety Management in Central Railway Workshop

• arxiv url: http://arxiv.org/abs/2601.06046v1
• Date: Tue, 16 Dec 2025 14:29:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-25 16:54:51.586075
• Title: ISMS-CR: Modular Framework for Safety Management in Central Railway Workshop
• Title（参考訳）: ISMS-CR:中央鉄道ワークショップにおける安全管理のためのモジュールフレームワーク
• Abstract要約: インド鉄道工房は鉄道車両整備のバックボーンを形成し、全国44の大手工房で25万人以上の労働者を雇用している。 規模と運用上の重要性にもかかわらず、ワークショップの安全性は引き続き永続的な課題である。 本稿では,PTW(Permit-to-Work)モジュールによる安全性管理を支援するモジュール型デジタルフレームワークISMS-CRを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Indian Railway workshops form the backbone of rolling-stock maintenance, employing over 250,000 workers across 44 major workshops nationwide. Despite their scale and operational importance, workshop safety remains a persistent challenge. A field study conducted at the Jhansi Wagon Workshop involving 309 workers revealed that while basic protective equipment such as shoes and helmets was universally used, compliance with complete personal protective equipment requirements was limited. Lacerations and abrasions were identified as the most frequent injury types, highlighting systemic gaps in safety oversight and work authorization practices. This paper presents ISMS-CR (Integrated Safety Management System for Central Railway Workshop), a modular digital framework designed to enhance safety management through an automated Permit-to-Work (PTW) module. The proposed system digitizes the full lifecycle of work authorization, including permit initiation, validation, approval, execution, and closure. By enforcing structured workflows, role-based accountability, and traceable digital records, ISMS-CR reduces manual errors, administrative delays, and procedural non-compliance. The framework aims to strengthen operational reliability, improve audit readiness, and support safer maintenance practices in high-risk railway workshop environments.
• Abstract（参考訳）: インド鉄道工房は鉄道車両整備のバックボーンを形成し、全国44の大手工房で25万人以上の労働者を雇用している。 規模と運用上の重要性にもかかわらず、ワークショップの安全性は引き続き永続的な課題である。 ハンシ・ワゴン・ワークショップ(Jhansi Wagon Workshop)で309名の労働者を対象に行われたフィールドスタディでは、靴やヘルメットなどの基本的な防護具が広く使用されているが、完全な防護具の要件は限定されていた。 遅延と摩耗は最も頻繁な損傷種であり、安全監視と作業許可の慣行の体系的なギャップを強調した。 ISMS-CR(Integrated Safety Management System for Central Railway Workshop)は,PTW(Permit-to-Work)モジュールによる安全管理の強化を目的としたモジュール型デジタルフレームワークである。 提案システムでは,承認,検証,承認,実行,閉鎖などの作業許可の全ライフサイクルをデジタル化する。 構造化ワークフロー、ロールベースの説明責任、トレーサブルなデジタルレコードを強制することにより、ISMS-CRは手動エラー、管理遅延、手続き的非コンプライアンスを低減する。 この枠組みは、高リスク鉄道作業環境における運用信頼性の向上、監査の即応性の向上、より安全な保守実践の支援を目的としている。

関連論文リスト

• PACT: Self-Evolving Physical Safety Alignment for Diffusion Policies in Embodied Manipulation [38.43792325467372]
  既存のアプローチでは、トレーニング中に早期に安全を課すか、テスト時に外部ガードレールを介して反応する。 本研究では,制約可能な領域に事前の拡散政策を立案する自己進化型ポストトレーニングフレームワークである,制約付き軌道の物理安全アライメント(PACT)を提案する。 シミュレーションおよび実世界の実施された操作ベンチマークでは、PACTは安全性違反を平均で31.0%削減し、タスク成功を30.7%改善した。
  論文  参考訳（メタデータ） (2026-06-07T02:27:53Z)
• RUBAS: Rubric-Based Reinforcement Learning for Agent Safety [93.80584563695646]
  RUBASは、エージェント安全性のためのルーリックベースの強化学習フレームワークである。 エージェントの動作は、ツール使用の安全性、引数の安全性、応答の安全性、役に立つ4つの次元に分けられる。 実験により、RUBASは標準アライメントベースラインよりも安全性を向上し、ツール接地幻覚を低減し、競争力を維持することが示されている。
  論文  参考訳（メタデータ） (2026-06-02T09:02:14Z)
• Auditing Agent Harness Safety [81.22315979618612]
  LLMエージェントは、ツールをディスパッチし、リソースを割り当て、特別なコンポーネント間でメッセージをルーティングする実行ハーネスの中でますます動作します。 ほとんどの安全ベンチマークは最終出力または終端状態のみをスコアするが、多くの違反は終端ではなく、軌道の途中で発生する。 HarnessAuditは、境界コンプライアンス、実行の忠実さ、システムの安定性など、完全な実行軌跡を監査するフレームワークである。
  論文  参考訳（メタデータ） (2026-05-14T02:14:28Z)
• On-Policy Self-Evolution via Failure Trajectories for Agentic Safety Alignment [54.30690671490447]
  既存の安全アライメント信号は、主に応答レベルまたは政治外である。 FATEは、検証済みの失敗を専門家のデモンストレーションなしで修復管理に変換する。 FATEは攻撃成功率を33.5%、有害なコンプライアンスを82.6%削減し、外的軌道安全診断を6.5%改善する。
  論文  参考訳（メタデータ） (2026-05-12T09:56:28Z)
• Integrated Digital Management System for Railway Workshops: A Modular Multi-Workflow Architecture for Machine, Permit, Contract, and Incident Management [0.0]
  多くのワークショップにおける安全管理は、まだ断片化された手作業に依存している。 ひび割れ(28.7%)とひび割れ(21%)が最も多い。 本稿では,鉄道ワークショップにおける統合ディジタルマネジメントシステムについて述べる。
  論文  参考訳（メタデータ） (2026-04-05T18:18:23Z)
• BarrierSteer: LLM Safety via Learning Barrier Steering [83.12893815611052]
  BarrierSteerは、学習した非線形安全性制約を直接モデルの潜在表現空間に埋め込むことで、安全性を形式化する新しいフレームワークである。 BarrierSteerは、敵の成功率を大幅に低下させ、安全でない世代を減少させ、既存の手法より優れていることを示す。
  論文  参考訳（メタデータ） (2026-02-23T18:19:46Z)
• Modular Safety Guardrails Are Necessary for Foundation-Model-Enabled Robots in the Real World [42.7330476721001]
  静的検証、モノリシックコントローラ、エンドツーエンドの学習ポリシーを含む既存のアプローチは、タスク、環境、人間の期待がオープンで、長い目で見たり、時間の経過とともに適応されるような環境では不十分である、と我々は主張する。 自律スタック全体にわたる包括的安全のためのアーキテクチャ基盤として,監視(評価)層と介入層からなるモジュール型安全ガードレールを提案する。
  論文  参考訳（メタデータ） (2026-02-03T22:41:51Z)
• UpSafe$^\circ$C: Upcycling for Controllable Safety in Large Language Models [67.91151588917396]
  大規模言語モデル(LLM)は、幅広いタスクで顕著な進歩を遂げているが、有害なコンテンツ生成やジェイルブレイク攻撃といった安全リスクに弱いままである。 安全に配慮したリサイクルによるLCMの安全性向上のための統合フレームワークであるUpSafe$circ$Cを提案する。 この結果から, 静的アライメントから動的, モジュール, 推論対応制御への移行という, LLMの安全性の新たな方向性が明らかになった。
  論文  参考訳（メタデータ） (2025-10-02T16:43:33Z)
• Preventing Another Tessa: Modular Safety Middleware For Health-Adjacent AI Assistants [0.0]
  軽量でモジュラーなセーフガードが事故を防げたことを、私たちは示しています。 本稿では,決定論的語彙ゲートとインライン大言語モデル(LLM)ポリシーフィルタを組み合わせたハイブリッド安全性を提案する。 その結果、健康に配慮したAIの堅牢で監査可能な安全性は、重厚なインフラを必要としないことが強調された。
  論文  参考訳（メタデータ） (2025-09-07T08:43:39Z)
• Bridging the Mobile Trust Gap: A Zero Trust Framework for Consumer-Facing Applications [51.56484100374058]
  本稿では,信頼できないユーザ制御環境で動作するモバイルアプリケーションを対象としたZero Trustモデルを提案する。 デザインサイエンスの方法論を用いて、この研究は、実行時の信頼の強制をサポートする6つのピラーフレームワークを導入した。 提案したモデルは,デプロイ前コントロールを越えてモバイルアプリケーションをセキュアにするための,実用的で標準に準拠したアプローチを提供する。
  論文  参考訳（メタデータ） (2025-08-20T18:42:36Z)
• AGENTSAFE: Benchmarking the Safety of Embodied Agents on Hazardous Instructions [64.85086226439954]
  本稿では,有害な指示に対するVLMエージェントの安全性を評価するためのベンチマークであるSAFEを提案する。 SAFEは、SAFE−THOR、SAFE−VERSE、SAFE−DIAGNOSEの3つの成分からなる。 我々は、ハザード認識を安全な計画と実行に翻訳する体系的な失敗を明らかにする。
  論文  参考訳（メタデータ） (2025-06-17T16:37:35Z)
• SafeCOMM: A Study on Safety Degradation in Fine-Tuned Telecom Large Language Models [86.11849528108199]
  テレコムデータセット上での細調整大型言語モデル(LLM)は、汎用モデルをテレコムドメインに適応するための一般的なプラクティスである。 近年の研究では、良質な微調整でさえLLMの安全性を低下させ、有害なユーザークエリや非倫理的なユーザクエリに応答させることが示されている。
  論文  参考訳（メタデータ） (2025-05-29T13:31:51Z)
• Safety Aware Task Planning via Large Language Models in Robotics [22.72668275829238]
  本稿では,ロボット作業計画に安全意識を組み込むためのマルチLLMフレームワークであるSAFER(Safety-Aware Framework for Execution in Robotics)を紹介する。 本フレームワークは, 複数段階の安全フィードバックを統合し, リアルタイムリスク評価, プロアクティブエラー訂正, 透過的安全性評価を実現している。
  論文  参考訳（メタデータ） (2025-03-19T21:41:10Z)
• AgentGuard: Repurposing Agentic Orchestrator for Safety Evaluation of Tool Orchestration [0.3222802562733787]
  AgentGuardは、安全でないツールの使用を自律的に発見し、検証するフレームワークである。 エージェントの動作を限定する安全制約を生成し、安全保証の基準を達成する。 フレームワークは、安全でないことを識別し、実際の実行でそれらを検証し、安全性の制約を生成し、制約の有効性を検証する。
  論文  参考訳（メタデータ） (2025-02-13T23:00:33Z)
• Safety-Driven Deep Reinforcement Learning Framework for Cobots: A Sim2Real Approach [1.0488553716155147]
  本研究では,深部強化学習(DRL)におけるロボットシミュレーションに安全性制約を取り入れた新しい手法を提案する。 このフレームワークは、速度制約のような安全要件の特定の部分をDRLモデルに直接統合する。 提案手法は,テストシナリオの平均成功率を16.5%向上させる。
  論文  参考訳（メタデータ） (2024-07-02T12:56:17Z)
• Safety through Permissibility: Shield Construction for Fast and Safe Reinforcement Learning [57.84059344739159]
  シールドディング」は、強化学習(RL)の安全性を強制する一般的な手法である 安全と遮蔽構造に対処する新しい許容性に基づく枠組みを提案する。
  論文  参考訳（メタデータ） (2024-05-29T18:00:21Z)
• Reinforcement Learning in a Safety-Embedded MDP with Trajectory Optimization [42.258173057389]
  この研究は、このトレードオフを効果的に管理するために、RLと軌道最適化を組み合わせた新しいアプローチを導入する。 我々のアプローチは、修正マルコフ決定プロセス(MDP)の動作空間に安全制約を埋め込む。 この新しいアプローチは、セーフティ・ジムの課題に挑戦するパフォーマンスに優れており、推論中にはるかに高い報酬とほぼゼロに近い安全違反を達成している。
  論文  参考訳（メタデータ） (2023-10-10T18:01:16Z)
• Differentiable Control Barrier Functions for Vision-based End-to-End Autonomous Driving [100.57791628642624]
  本稿では,視覚に基づくエンドツーエンド自動運転のための安全保証学習フレームワークを提案する。 我々は、勾配降下によりエンドツーエンドに訓練された微分制御バリア関数(dCBF)を備えた学習システムを設計する。
  論文  参考訳（メタデータ） (2022-03-04T16:14:33Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。