Production control of hybrid repair and remanufacturing systems under general conditions
Notice bibliographique
Résumé
Purpose It is assumed that the production system responds to planned demand at the end of the expected life of each individual piece of equipment and unplanned demand triggered by equipment failures. The difficulty of controlling this type of production system resides in the variable nature of the remanufacturing process. In practice, remanufacturing operations for planned demand can be executed at different rates, referring to different component replacement and repair strategies. A sub‐optimal control policy in which inventory thresholds trigger the use of different execution modes has been formulated in previous research to address this problem when unplanned demands are processed under an exponential time distribution. The aim of this study is to extend this control policy to more realistic unplanned demand arrival and processing times distributions. Design/methodology/approach The proposed approach is based on a combination of analytical modeling, simulation experimentation and regression analysis. The model was validated by comparing the obtained simulation results with those obtained under an exponential processing time distribution. Findings The results demonstrate that the structure of optimal control can be approximated by the sub‐optimal multiple hedging point policy with non‐significant cost variations. Practical implications The simulation results demonstrate that hedging point control policies could be applicable to a wide variety of complex remanufacturing problems in which analytical solutions are not easily obtained. Originality/value The paper extends the concept of hedging point policy to the control of real‐word repair and remanufacturing operations. Once calculated, the sub‐optimal policy parameters can be simply implemented by practitioners through the definition of stock‐level parameters.
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 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 | 0,002 | 0,001 |
| 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 | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».