Optimal Production Control of Hybrid Manufacturing/Remanufacturing Failure-Prone Systems under Diffusion-Type Demand
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
The problem of production control for a hybrid manufacturing/remanufacturing system under uncertainty is analyzed. Two sources of uncertainty are considered: machines are subject to random breakdowns and repairs, and demand level is modeled as a diffusion type stochastic process. Contrary to most of studies where the demand level is considered constant and fewer results where the demand is modeled as a Poisson process with few discrete levels and exponentially distributed switching time, the demand is modeled here as a diffusion type process. In particular Wiener and Ornstein-Uhlenbeck processes for cumulative demands are analyzed. We formulate the stochastic control problem and develop optimality conditions for it in the form of Hamilton-Jacobi-Bellman (HJB) partial differential equations (PDEs). We demonstrate that HJB equations are of the second order contrary to the case of constant demand rate (corresponding to the average demand in our case), where HJB equations are linear PDEs. We apply the Kushner-type finite difference scheme and the policy improvement procedure to solve HJB equations numerically and show that the optimal production policy is of hedging-point type for both demand models we have introduced, similarly to the known case of a constant demand. Obtained results allow to compute numerically the optimal production policy in hybrid manufacturing/ remanufacturing systems taking into account the demand variability, and also show that Kushner-type discrete scheme can be successfully applied for solving underlying second order HJB equations.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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