An optimal maintenance policy for skipping imminent preventive maintenance for systems experiencing random failures
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract In this study we investigate systems that experience random failures and establish decision rules for performing renewal maintenance; that is, a preventive replacement (PR) policy. We seek a policy that is both simple to execute from the point of view of the maintenance planner but also a policy that is an improvement on existing schemes. We show that our policy is a hybrid of traditional time-based and age-based schemes and one that yields considerable cost savings. Our hybrid policy involves two decision variables. One decision variable is the time between PRs. Hence, for the maintenance planner, the times at which PRs are performed are chronologically fixed. Random failures can occur, however, and the machine receives an emergency renewal (ER) at these times. Hence, within these chronological times, a second decision time is identified. Should an ER occur between the start of a cycle and this second decision time, then the planned PR would still be performed at the end of the cycle. However, if the first ER occurs after this second decision time, then the PR at the end of the cycle is skipped over and the next planned PR would take place at the end of the subsequent cycle. With this simple mechanism, PRs that follow on too closely after an ER are avoided, thus saving the unnecessary expense. Numerical examples are given to examine the validity of the model, using four different failure density functions, namely Weibull, normal, uniform, and negative exponential.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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