MétaCan
Menu
Retour à la cohorte
Enregistrement W1813559903 · doi:10.1287/opre.2015.1396

Multistate Bayesian Control Chart Over a Finite Horizon

2015· article· en· W1813559903 sur OpenAlexaff
Jue Wang, Chi-Guhn Lee

Notice bibliographique

RevueOperations Research · 2015
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueAdvanced Statistical Process Monitoring
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésState (computer science)State spaceObservableCartesian coordinate systemOptimal controlComputer scienceControl (management)Markov processLimit (mathematics)Coordinate systemHorizonTransformation (genetics)Process (computing)Mathematical optimizationTime horizonMathematicsControl theory (sociology)AlgorithmMathematical analysisPhysicsStatisticsGeometry

Résumé

récupéré en direct d'OpenAlex

We study a multistate partially observable process control model with a general state transition structure. The process is initially in control and subject to Markovian deterioration that can bring it to out-of-control states. The process may continue making transitions among the out-of-control states, or even back to the in-control state until it reaches an absorbing state. We assume that at least one out-of-control state is absorbing. The objective is to minimize the expected total cost over a finite horizon. By transforming the standard Cartesian belief space into the spherical coordinate system, we show that the optimal policy has a simple control-limit structure. We also examine two specialized models. The first is the phase-type transition time model, in which we develop an algorithm whose complexity is not affected by the number of phases. The second is a model with multiple absorbing out-of-control states, by which we show that certain out-of-control states may incur less total cost than the in-control state, a phenomenon never occurs in the two-state models. We conclude that there are fundamental differences between multistate models and two-state models, and that the spherical coordinate transformation offers significant analytical and computational benefits.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,399
Tête enseignante GPT0,564
Écart entre enseignants0,165 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations20
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOperations ResearchMême sujetAdvanced Statistical Process MonitoringTravaux en français237 207