سیستم های تعیین و تایید صلاحیت کارکنان آزمون های غیر مخرب در دنیا و ایران با تاکید بر سیستم ایزو 9712
محل انتشار: دومین همایش ملی توسعه فناوری در صنعت نفت
سال انتشار: 1383
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,917
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
TDCA02_036
تاریخ نمایه سازی: 17 خرداد 1386
چکیده مقاله:
جهانی شدن تجارت بیش از بیش اهمیت هماهنگی در استانداردها را روشن ساخته است. توجه به تایید صلاحیت کارکنان آزمون های غیر مخرب (NDT) بصورت مرکزی تحت یک استاندارد مشخص و توافق های فی ما بین کشورها در شناسایی یکسان این صلاحیت ها بخشی از فرایند تضمین کیفیت NDT در کشورهای پیشرفته است. موفقیت در این کار ضمن کاهش در هزینه ها، انگیزه کارکنان را نیز افزایش خواهد داد. در سال 2003 میلادی با ملحوظ شدن ISO – 9712 در کد ASME تحول جدیدی بوقوع پیوست. در همین سال سیستم ACCP در آمریکا از حالت بالقوه به مرحله بالفعل تبدیل گردید. در کشور ایران نیز با توجه به کاربرد وسیع NDT و پتانسیل بالای استقبال از نظام هماهنگی بین المللی ، فعالیت های جدی در این زمینه از شش سال گذشته در سازمان انرژی اتمی ایران با همکاری آژانس بین المللی انرژی اتمی شروع گردیده و نتایج مثبتی در این مدل حاصل شده است. از جمله مهمترین این فعالیت ها می توان به تهیه و تصویب استاندارد ملی 6725 (خرداد 1383)، که مطابق با استاندارد بین المللی ISO-9712 می باشد، اشاره کرد. لکن جهت کاهش فاصله بین کشورهای توسعه یافته و در حال رشد، عزم ملی و فعالیت های مستمر بیشتری لازم می باشد. در این مقاله سعی گردیده است ضمن مقایسه نظام های گوناگون تایید صلاحیت کارکنان، استاندارد بین المللی ISO-9712 به عنوان الگو مطرح و فعالیت های انجام شده و برنامه های اتی در این ارتباط تشریح گردد.
نویسندگان
ناصر راستخواه
سازمان انرژی اتمی ایران، مدیر کل امور حفاظت در برابر اشعه کشور
مصطفی شاهنده
سازمان انرژی اتمی ایران، مرکز تکنولوژی حفاظت و ایمنی هسته ای
نورالدین محمدزاده
سازمان انرژی اتمی ایران، مرکز تکنولوژی حفاظت و ایمنی هسته ای
شعله انصاری
سازمان انرژی اتمی ایران، مرکز تکنولوژی حفاظت و ایمنی هسته ای
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :