DISCLAIMER - NIKZAFRI.BLOGSPOT.COM


Today, Knowledge Management today are not limited merely to : (A) 'knowing' or 'reading lots of books/scholarly articles' or (B) data mining, analysis, decision making, preventive actions, or (C) some Human Resources Management issue or (D) some ICT issue. Knowledge Management is about putting your knowledge, skills and competency into practice and most important IT WORKS! For you and your company or your business (Nik Zafri)

There is a fixed point that intersects many other realities.For any event there is an infinite number of possible outcomes. Our choices determine which outcome will follow. That all possibilities that can happen do happen in alternate reality

The information comprised in this section is not, nor is it held out to be, a solicitation of any person to take any form of investment decision. The content of the nikzafri.blogspot.com does not constitute advice or a recommendation by nikzafri.blogspot.com and should not be relied upon in making (or refraining from making) any decision relating to investments or any other matter. You should consult your own independent financial adviser and obtain professional advice before exercising any investment decisions or choices based on information featured in this nikzafri.blogspot.com can not be held liable or responsible in any way for any opinions, suggestions, recommendations or comments made by any of the contributors to the various columns on nikzafri.blogspot.com nor do opinions of contributors necessarily reflect those of http://www. nikzafri.blogspot.com

In no event shall nikzafri.blogspot.com be liable for any damages whatsoever, including, without limitation, direct, special, indirect, consequential, or incidental damages, or damages for lost profits, loss of revenue, or loss of use, arising out of or related to the nikzafri.blogspot.com or the information contained in it, whether such damages arise in contract, negligence, tort, under statute, in equity, at law or otherwise.


MY EMPLOYERS AND CLIENTELLES

BIODATA - NIK ZAFRI



NIK ZAFRI BIN ABDUL MAJID, CONSULTANT/TRAINER
NIK ZAFRI'S CURRICULUM VITAE (ENGLISH)

Email: nikzafri@yahoo.com

* Kelantanese, Alumni of Sultan Ismail College Kelantan (SICA), Diploma (Management), IT Competency Cert, Certified Written English Professional US. Has participated in many seminars/conferences(local/international) in the capacity of trainer/lecturer and participant. Affiliations :- Council Member of Gerson Lehrman Group NY, Institute of Quality Malaysia, Malaysian Institute of Management, Malaysian Occupational Safety and Health Professionals Association, Auditor ISO 9000 IRCAUK, Auditor OHSAS 18000 (SIRIM and STS) /EMS ISO 14000:2004 and Construction Quality Assessment System (CONQUAS, CIDB (Now BCA) Singapore)

* Possesses 20 years experience/hands-on in the multi-modern management & technical disciplines (systems & methodologies) such as Knowledge Management (Hi-Impact Management/ICT Solutions), Quality (TQM/ISO), Safety Health Environment, Civil & Building (Construction), Manufacturing, Motivation & Team Building, HR, Marketing/Branding, Business Process Reengineering, Economy/Stock Market, Contracts/Project Management, Finance & Banking, etc. He was employed to international bluechips involving in national/international megaprojects such as Balfour Beatty Construction/Knight Piesold & Partners UK, MMI Insurance Group Australia, Hazama Corporation (Hazamagumi) Japan (with Mitsubishi Corporation, JA Jones US and Ho-Hup) and Sunway Construction Berhad (The Sunway Group of Companies). Among major projects undertaken : Pergau Hydro Electric Project, KLCC Petronas Twin Towers, LRT Tunnelling, KLIA, Petronas Refineries Melaka, Putrajaya Government Complex, Sistem Lingkaran Lebuhraya Kajang (SILK) etc. Once serviced SMPD Management Consultants as Associate Consultant cum Lecturer for Diploma in Management, Institute of Supervisory Management UK/SMPD JV. Currently – Associate/Visiting Consultants/Facilitators, Advisors for leading consulting firms (local and international) including project management. To name a few – TIJ Consultants Group (Malaysia and Singapore), LSB Manufacturing Solutions Sdn. Bhd. and many others.

* Ex-Resident Weekly Columnist of Utusan Malaysia (1995-1998) and have produced more than 100 articles related to ISO-9000– Management System and Documentation Models, TQM Strategic Management, Occupational Safety and Health (now OHSAS 18000) and Environmental Management Systems ISO 14000. His write-ups/experience has assisted many students/researchers alike in module developments based on competency or academics and completion of many theses. Once commended by the then Chief Secretary to the Government of Malaysia for his diligence in promoting and training the civil services (government sector) based on “Total Quality Management and Quality Management System ISO-9000 in Malaysian Civil Service – Paradigm Shift Scalar for Assessment System”

Among Nik Zafri’s clients were Adabi Consumer Industries Sdn. Bhd, The HQ of Royal Customs and Excise Malaysia, Veterinary Services Dept. Negeri Sembilan, The Institution of Engineers Malaysia, Corporate HQ of RHB, NEC Semiconductor - Klang Selangor, Prime Minister’s Department Malaysia, State Secretarial Office Negeri Sembilan, Hidrological Department KL, Asahi Kluang Johor, Tunku Mahmood (2) Primary School Kluang Johor, Consortium PANZANA, Information Technology Training Centre (ITTC) – Authorised Training Center (ATC) – University of Technology Malaysia (UTM) Kluang Branch Johor, Kluang General Hospital Johor, Kahang Timur Secondary School Johor, Sultan Abdul Jalil Secondary School Kluang Johor, Guocera Tiles Industries Kluang Johor, MNE Construction (M) Sdn. Bhd. Kota Tinggi Johor, UITM Shah Alam Selangor, Telesystem Electronics/Digico Cable (ODM/OEM for Astro), Sungai Long Industries Sdn. Bhd. (Bina Puri Group), Secura Security Printing Sdn. Bhd, ROTOL AMS Bumi Sdn. Bhd & ROTOL Architectural Services Sdn. Bhd. (ROTOL Group), Bond M & E (KL) Sdn. Bhd., Skyline Telco (M) Sdn. Bhd.,Technochase Sdn. Bhd JB, Institut Kefahaman Islam Malaysia (IKIM), Shinryo/Steamline Consortium (Petronas/OGP Power Co-Generation Plant Melaka), Hospital Universiti Kebangsaan Malaysia, Association for Retired Intelligence Operatives of Malaysia, T.Yamaichi Corp. (M) Sdn. Bhd.LSB Manufacturing Solutions Sdn. Bhd., PJZ Marine Services Sdn. Bhd., UNITAR/UNTEC (Degree in Accountacy) Cobrain Holdings Sdn. Bhd. (Managing Construction Safety & Health), Speaker for International Finance & Management Strategy (Closed Conference), Pembinaan Jaya Zira Sdn. Bhd. (ISO 9001:2008-Internal Audit for Construction Industry), Straits Consulting Engineers Sdn. Bhd. (C & S, Geotech), Malaysia Management & Science University (MSU), Innoseven Sdn. Bhd. (KVMRT MSPR8 - Internal Audit (Construction) & Awareness Workshop ISO 9001:2015 for the Construction Industry, Amiosh Resources - Lembaga Tabung Haji - Flood ERP, Amiosh Resources - Flood Risk Assessment and Management Plan - Prelim, Conceptual Design and Final Report etc.

* Has appeared for 10 consecutive series in “Good Morning Malaysia RTM TV1’ Corporate Talk Segment discussing on ISO 9000/14000 in various industries. For ICT, his inputs garnered from his expertise have successfully led to development of work-process e-enabling systems in the environments of intranet, portal and interactive web design especially for the construction and manufacturing. Some of the end products have won various competitions of innovativeness, quality, continual-improvements and construction industry award at national level. He has also in advisory capacity – involved in development and moderation of websites, portals and e-profiles for mainly corporate and private sectors, public figures etc.



Note :


TO SEE ALL ARTICLES

ON THE"LABEL" SECTION BELOW (RIGHT SIDE COLUMN), YOU CAN CLICK ON ANY TAG - TO READ ALL ARTICLES ACCORDING TO ITS CATEGORY (E.G. LABEL : CONSTRUCTION) OR GO TO THE VERY END OF THIS BLOG AND CLICK "Older Posts"


Monday, March 21, 2016

KAEDAH ALGORITMA PEMBELAJARAN DIPANTAU DALAM MENGESAN MANIPULASI PASARAN SAHAM – SIRI PENGENALAN



Walaupun terdapat maklumbalas dan tindakan yang pantas oleh pihak berkuasa serta terdapatnya pindaan dalam undang-undang, 
manipulasi pasaran adalah antara kebimbangan utama pelabur pasaran sekuriti/saham.

Kaedah mengenalpasti unsur penipuan dalam pasaran saham yang ada pada masakini adalah bergantung kepada undang-undang, peraturan dan kepakaran. Ianya berdasarkan pendekatan “atas ke bawah” yang menggunakan set corak yang dikenali dan ambang (threshold) yang telah ditakrif terlebih dahulu.

Data pasaran seperti harga dan volume saham (jumlah saham/kontrak yang didagangkan) dipantau menggunakan peraturan yang berkaitan dan notifikasi red-flag. Kemudian sebarang transaksi dalam tempoh pengesanan akan disiasat secara lanjut bagi mengenalpasti sebarang aktiviti penipuan.

Cara ini mempunyai dua kelemahan :

i) Mengesan tempoh yang luarbiasa yang tidak berkaitan dengan simtom (contohnya skim manipulatif yang tidak dikenali)

ii) Kesesuaiannya dengan keadaan/suasana pasaran yang berubah dengan pantas, transaksi data yang tinggi kerana kenaikan jumlah pelabur serta syarikat/saham yang disenaraikan). Ini menuntut pindaan terhadap undang-undang untuk memantau data yang begitu luas dan amat mencabar sekali.
  
Pasaran sekuriti sedang berubah dengan drastik. Suasana ini berpotensi mendedahkan loopholes  yang akan digunakan oleh pedagang untuk meraih keuntungan.

Pihak berkuasa mungkin memerlukan sejenis modul dan algorithma bagi menyokong pengenalpastian aktiviti manipulasi pasaran.

Secara amnya, penipuan saham adalah merujuk kepada kaitan antara tawaran dan jualan saham contohnya :


a) Pelaburan Hasil yang Tinggi (High-Yield) – merujuk kepada pulangan yang dijamin berdasarkan “risiko rendah” atau “tiada risiko langsung” dalam pelaburan instrumen sekuriti.

Penipuan ini bermula dengan “broker” mengambil peluang ke atas kepercayaan pelabur dan mendakwa pulangan yang tinggi di atas modal mereka. Pelaburan Hasil yang Tinggi dapat dikesan menerusi Skim Piramid, Skim Ponzi, Skim Perbankan, Skim Wang Pendahuluan, Komoditi (Forex dan Logam Berharga) dan Nota Promisori.

b) Penyelewengan Broker – Skim ini melibatkan broker bertindak melanggar undang-undang bagi mendapatkan keuntungan daripada pelaburan klien. Biasanya ini melibatkan perdagangan yang tidak sah dan penipuan dokumen.

c) Manipulasi Pasaran – Skim ini melibatkan individu atau sekumpulan manusia yang mengganggu-gugat pasaran yang teratur dan adil bagi mendapat keuntungan. Cara yang dilakukan biasanya melibatkan percubaan mengawal harga pasaran. Faktor inilah yang paling ditakuti pelabur.

Menggunakan pendekatan pelombongan data (data-mining), sekurang-kurangnya 5 kaedah dapat dilakukan.

a) Mengenali Corak (Pattern Recognition) – penggunaan kaedah ini adalah sama dengan melihat pada tren (trend) yang menimbulkan syak bahawa aktiviti penipuan sedang berlaku iaitu :

i) mengesan pedagang yang tatalakunya (behaviour) menampakkan aktiviti penipuan,
ii) mengesan saham yang berkaitan dengan aktiviti penipuan berkenaan,

Sebagai contoh, aktiviti berikut mungkin menampakkan unsur penipuan :

a)    Kecairan, pulangan dan volatiliti adalah lebih tinggi untuk saham yang dimanipulasikan berbanding dengan sampel yang dikawal.
b)   Keuntungan juga dapat dicapai dengan manipulasi harga saham bagi deflate harga (jualan jangka pendek – short-selling) tetapi kebanyakan pakar manipulasi akan cuba untuk menaikkan harga saham,
c)    Waktu Tutup (Closing Hours), Suku Berakhir, dan Tahun Berakhir adalah “ruang bagi manipulasi berlaku”
d)   Kenaikan drastik dalam volume dagangan dan volatiliti pulangan selalunya akan diikuti oleh manipulasi harga (dalam banyak kes)

Apapun, kaedah mengenalpasti corak adalah antara cara terbaik di mana pihak berkuasa dapat membekukan dagangan saham berkenaan.

Namun, proses pelombongan data secara talian dan real-time diperlukan dalam kes ini. Set datanya dalam konteks ini melibatkan secara data dagangan untuk setiap akaun pedagang atau setiap saham dan set corak/tren yang dikenalpasti sebagai penipuan (dilabelkan)

b) Pengesanan Outlier  - mengesan pemerhatian yang tidak konsisten dengan baki data. Ini akan membantu dalam mengenalpasti corak penipuan yang tidak dikenali. Pengesanan yang efektif dapat dilakukan dengan melihat Pancang (spike) berdasarkan keadaan pasaran dan bukannya menggunakan Ambang (threshold) untuk menapis Pancang.

Seperti grup pertama, kaedah ini dapat dilakukan ke atas pedagang dan saham yang didagangkan. Set Data yang diperlukan ialah maklumat mengenai sejarah perdagangan oleh pedagang atau saham yang berkaitan.

Pengesanan anomali akan dapat dicapai menggunakan kaedah pengelompokan (clustering) dan tidak memerlukan data yang dilabel.

Contoh senario : Data diwakili oleh variable statistik (min dan varian) untuk pembelian dan jualan pada tempoh yang tetap (fixed).  Satu parameter akan ditetapkan yang menerangkan jumlah objek dalam peer group dan kawalan ke atas sensitiviti model. Satu objek sasaran akan menentukan ahli dari peer group samada ahli-ahli peer group adalah objek yang paling mirip kepada objek sasaran.

Pada setiap tetingkap masa (contohnya setiap 5 minggu) peer group ini akan diringkaskan bagi mengenalpasti sentroid peer group. Kemudiannya, jarak ahli peer group dengan sentroid peer group akan dikira menggunakan statistik t dan objek yang “lari” daripada peer akan dikutip sebagai outlier.

Akaun dagangan akan dikaitkan dengan objek yang yang dianggap sebagai pedagang yang dicurigai di mana tatalakunya berbeza dengan peer yang lain.

c) Induksi Peraturan (Rules Induction) – mengestrak peraturan yang dapat diperiksa dan digunakan oleh auditor dan pihak berkuasa pasaran saham. Set data yang diperlukan ialah maklumat sejarah dagangan untuk setiap akaun pedagang yang dilabelkan sebagai “disyaki aktiviti penipuan”. Juga ekstrakkan peraturan yang mengenalpasti corak dan ketidakaturan (irregularity) yang tidak dikenali menggunakan data yang tidak dilabelkan (kaedah pembelajaran yang tidak dipantau)

Contoh senario : induksi peraturan menggunakan pelombongan data secara temporal.

Pertama, data siri masa dibersihkan (pra-pemprosesan) menerusi dua langkah :

i)       Penentuan Tempoh Seterusnya (subsequent) dan
ii)     Ektrak corak temporal menggunakan algoritma pengelompokan (min EM dan K)

Juga atrribut data yang relevan dipilih secara manual atau menggunakan pemilihan atribut algoritma.

Kedua, algoritma induksi peraturan (contohnya AQ15) untuk menentukan “if-then”. Satu suasana akan dibentuk bagi menggunakan kaedah yang dicadangkan dan diuji menggunakan set data yang mempunyai data harga temporal (harga, volume, tinggi, rendah, secara keseluruhan 13 indeks trend) untuk 9 saham dari negara X selama 6 bulan.

Keputusan menjual atau membeli setiap saham ditentukan menerusi kaedah pengelompokan dan digunakan untuk menguji ke atas saham yang berbeza. Hasil kajian menunjukkan kaedah Ekstrak Corak adalah yang terbaik di mana ianya melangkaui prestasi garisan asas (baseline)

d) Analisa Jaringan Sosial (Social Network Analysis) – mengesan akaun pedagang yang dikaitkan dengan manipulasi pasaran. Set data yang diperlukan juga maklumat sejarah dagangan untuk setiap akaun pedagang. Di sini, sumber data tambahan seperti sejarah pekerjaan pedagang dan perhubungannya diperlukan untuk disatukan dalam dataset ini. (contohnya – mendapatkan akses kepada mana-mana depositori pendaftaran pusat yang mempunyai maklumat mengenai broker yang berdaftar)

Cara pelombongan data secara tradisi menggunakan klasifikasi, pengelompokan dan peraturan perkaitan selalunya mempertimbangkan sampel poin data yang berasingan (independent). Cara ini tidak dapat leverage kaitan antara sampel set data yang distrukturkan secara komprehensif dan heterogen

Analisa Jaringan Sosial dapat mewakili penstrukturan data seumpama ini di mana nodnya adalah berkaitan dengan sampel data samada objek atau individu, dan sudut yang mewakili perhubungan dan pergantungan sesama objek. Pemetaan, kefahaman, analisa dan mengukur interaksi di jaringan dipanggil Analisa Jaringan Sosial.

Ianya berkesan untuk mencari korelasi yang menandakan berlakunya penipuan dalam pasaran saham bermula dengan perubahan peristiwa (event) dalam pasaran ke bentuk graf (pra-pemprosesan)

Selain itu, analisa ini juga dapat mengesan broker yang bersubahat dalam :

a)    Inflate/Deflate harga saham dengan meletakkan pesanan yang telah diaturkan terlebih dahulu dengan broker-broker lain diikuti dengan aktiviti manipulasi volume,

b)   Memindahkan saham antara akaun bagi mengelak cukai,

c) Mendapat kredibiliti dalam pasaran dengan transaksi jumlah yang tinggi.

Ada yang menggabungkan analisa jaringan sosial dengan kaedah visualisasi interaktif bagi mengenalpasti akaun yang dicurigai.

Antara aktiviti berbentuk penipuan ialah :

a) Perdagangan Kitaran (Circular) – konsisten dalam pembelian dan penjualan volume saham dalam jumlah yang sama samada belian/jualan tinggi atau rendah,

 b) Indikator Primer/Sekunder – menanda akaun yang rendah beliannya dan tinggi jualannya. Jaringan sentraliti akan membantu mencari akaun primer (utama), fungsi ‘f’ akan dikira untuk setiap vertex yang mewakili saiz akaun dan membandingkan harga transaksi dengan harga purata transaksi terdahulu,

  c) Sudut Indikator Utama : Memindahkan stok dari satu akaun ke satuakaun yang lain yang berlaku bila sudut (transaksi) muncul beberapa kali pada 2 vertices.

Analisa Jaringan Sosial terbukti berkesan dalam mencari aktiviti subahat dalam memanipulasikan pasaran dan kaedah bagi memantau interaksi pedagang di dalam pasaran.

e) Visualisasi – ini bukan terhad kepada carta semata-mata di mana auditor perlu berinteraksi dengan data pasaran dan mencari corak yang menampakkan penipuan.

Visualisasi terhadap data pasaran adalah sama pentingnya dengan pemantauan secara real-time dan penyiasatan ‘luar-talian’ (offline)

Kaedah visualisasi akan membantu auditor untuk mengenalpasti aktiviti yang disyaki penipuan dalam transaksi pedagang dan saham yang didagangkan.

Ini dilakukan dengan melihat pada corak di dalam data atau maklumat yang belum disedia untuk dibezakan (discernable). Apa yang diperlukan ialah sejenis kerangka analitikal visual yang menggabungkan treemap 3 Dimensi untuk pemantauan pasaran dan visualisasi berasaskan Tatalaku menggunakan Analisa Jaringan Sosial bagi memantau aktiviti broker.

Dalam Visualisasi 3 Dimensi, setiap sel mewakili satu saham dan saiz sel adalah proportional kepada pemodalan pasalan dan kod warna sel menunjukkan perubahan harga (warna “hijau” untuk “harga naik” dan “merah” untuk “harga turun”)

Ini akan melahirkan satu peralatan yang memantau secara real time dengan tangguhan 15 minit untuk aliran perdagangan asas (harga dan volume)

Keterangan dagangan akan dibandingkan dengan satu set parameter dan pengawasan akan dilakukan ke atas sebarang keluarbiasaan. Analisa jaringan dagangan bertujuan untuk mendedahkan struktur sosial sesama pedagang dan mengenalpasti corak dagangan yang luarbiasa. Nod-nod pula mewakili pedagang, kawasan sekitar setiap node mewakili nilai dagangan dan sudut berarah (directional edges) menandakan aliran dan keseimbangan dagangan.

Satu pangkalan data yang merekodkan setiap corak yang berpotensi ada elemen penipuan akan digunakan sebagai rujukan dan membandingkan peristiwa dalam jaringan dagangan serta mengenalpasti aktiviti yang boleh menimbulkan syak.


Kecairan, pulangan dan volatiliti adalah lebih tinggi untuk saham yang telah dimanipulasi. Oleh itu, mencartakan parameter secara parallel dengan alignment masa yang sama akan membantu penguatkuasaan bagi mengenalpasti corak dan tren yang boleh disyaki. 

Sunday, March 13, 2016

MENGENALPASTI, MENILAI DAN MENGAWAL RISIKO DAN SUASANA BERBAHAYA - Pengenalan asas(Keselamatan Kerja) - Nik Zafri

Mengenalpasti suasana berbahaya (Hazard) dan penilaian risiko melibatkan kesinambungan maklumat secara kritikal bagi membuat sesuatu keputusan. Proses ini dapat membantu mengenalpasti punca berlakunya kemalangan (mengenalpasti suasana merbahaya - Risk Identification) , kemungkinan berlakunya kemalangan (penilaian risiko) dan apakah akibat-akibat yang berpotensi dari kemalangan berkenaan. Selain itu ianya juga dapat membantu untuk mengambil langkah-langkah yang sepatutnya bagi mencegah dan menghalang kemalangan berkenaan secara proaktif (mengawal – control)
Nota : Versi terkini ISO 9000 (ISO 9001:2015) boleh dijadikan asas rujukan di mana ianya menekankan bahawa penilaian risiko boleh dikenalpasti semasa fasa Perancangan di mana peralatan seperti Analisa SWOT dan PDCA boleh digunakan untuk mengenalpasti Potensi Risiko berdasarkan pengalaman yang direkodkan dalam sesi audit, pemeriksaan, penilaian risiko terdahulu (jika ada) dan mesyuarat semakan semula pengurusan.
Terdapat banyak cara untuk mengenalpasti suasana berbahaya dan menjalankan penilaian risiko. Teknik yang digunakan adalah bergantung kepada suasana tempat kerja. Namun apa yang penting ialah, kerjasama antara pihak pengurusan dan kakitangannya amatlah mustahak bagi mencapai penilaian suasana berbahaya yang berkesan dan efisyen.
Kemalangan yang berat biasanya jarang berlaku. Ini kerana sudah ramai pihak pengurusan, kakitangannya telah sedar mengenai kepentingan menjaga keselamatan dan kesihatan pekerjaan di tempat kerja.
Walaubagaimanapun, kemalangan pada kekerapan yang rendah kadangkala bukan bermaksud tiada potensi kemalangan itu tidak akan berlaku. Biasanya, dalam keadaan yang tidak disangka-sangka, ianya boleh berlaku, ini kerana sesebuah organisasi yang beranggapan tempat kerja mereka selamat akan cenderung kepada sifat mengambil mudah.
Di sinilah kepentingan pengenalpastian potensi kemalangan, penilaian risiko dan langkah-langkah kawalan boleh diambil bagi mencegah insiden dan kemalangan secara proaktif.


Sistem pengenalpastian potensi suasana berbahaya dan penilaian risiko perlu melibatkan :

a)    Mengenalpasti operasi dan rekabentuk yang berpotensi menampakkan kelemahan – contohnya jika ianya beroperasi melebihi masa atau rekabentuk yang berkali-kali disemak.

b)    Berfikir di luar kotak berdasarkan pengalaman

c) Memastikan langkah-langkah kawalan yan sediada termasuk prosedur standard operasi yang digunakan masih relevan dengan proses (contohnya, jika ada teknologi baru, perlukah prosedur itu dipinda dan perlukah langkah-langkah kawalan ditambahkan untuk disesuaikan dengan suasana yang baru?

d) Berkongsi pengalaman dengan organisasi lain – biasanya menerusi penyertaan dalam seminar, persidangan, kursus dan bengkel mengenai penilaian risiko.

Antara cabaran yang biasa dihadapi :

a)  Pengurusan masa yang diperlukan untuk mengenalpasti suasana berbahaya dan potensi kemalangan yang akan berlaku jika tiada kawalan dilakukan.

b) Perlunya kombinasi kepakaran dalam teknik-teknik mengenalpasti suasana berbahaya dan kawalan risiko (HIRARC (Hazard Identification, Risk Assesment and Risk Control, HAZID (Hazard Identification Techniques), HEMP (Hazard and Effect Management Process), HAZOP (Hazard and Operability Studies) Hal ini boleh dilakukan dengan perkongsian maklumat di antara satu organisasi dengan satu organisasi yang lain, perkhidmatan perunding atau pakar dari luar untuk membuat penilaian bebas tanpa sebarang kecenderungan dan pengalaman yang direkodkan (di sini data sangat diperlukan)

c)    Pengetahuan dan pengalaman mengenai tempat/premis/tapak kerja dan teknik yang diperlukan.

d)    Memastikan mereka yang menjalankan tugas penilaian, audit mahupun pemeriksaan adalah mereka yang bertauliah.

Info sent.

Powered by IP Address Locator