MétaCan
Menu
Retour à la cohorte
Enregistrement W2001457103 · doi:10.1016/j.procir.2014.01.133

Max-plus Modeling of Manufacturing Flow Lines

2014· article· en· W2001457103 sur OpenAlexaff
A. Seleim, H.A. ElMaraghy

Notice bibliographique

RevueProcedia CIRP · 2014
Typearticle
Langueen
DomaineComputer Science
ThématiquePetri Nets in System Modeling
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésManufacturing engineeringFlow (mathematics)EngineeringComputer scienceIndustrial engineeringEngineering drawingMechanicsPhysics

Résumé

récupéré en direct d'OpenAlex

Max-plus algebra can be used to model manufacturing flow lines using linear state-space-like equations which can be used in analysis and control. This paper presents a method for easy and quick generation of the max-plus equations for manufacturing flow lines of any size or structure. The generated equations can model flow lines with infinite as well as finite buffer sizes. A flow line to be modeled is initially assumed to have infinite buffers for all stations. The line model equations are then generated as a combination of serial and merging stations after identifying the different stages using an adjacency matrix for the flow line. In the generated equations, the dynamics of the system are captured in two matrices that are function of the processing times of the different stations in the line. After generating these equations, extra terms are added to account for the finite buffers where for each buffer size, a matrix is added multiplied by the vector of system parameters delayed by the buffer size plus one. The method is intuitive and easy to understand and code in software and thus can facilitate quick analysis of different configurations of manufacturing flow lines and assessing what if scenarios. This can also allow quick on-line reconfiguration of controllers for frequently reconfiguring flow lines.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,008
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,025
Tête enseignante GPT0,238
Écart entre enseignants0,213 · 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

Citations12
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProcedia CIRPMême sujetPetri Nets in System ModelingTravaux en français237 207