Developing effective spare parts estimations results in improved system availability
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
Production and manufacturing firms are under great pressure to continuously reduce their production costs in order to stay competitive. Industrial operation cost analysis shows that, in general, maintenance represents a significant proportion of the overall operating cost. For instance, the cost of maintenance in the highly mechanized Kiruna underground iron ore mine in Sweden is 30-50% of the total operating cost. Spare parts availability, an issue of the maintenance process, is studied in this paper. Simply stated, production can be enhanced by the increased availability of functional machinery and the subsequent minimization of the total production cost. Spare parts estimation based on machine reliability characteristics and operating environment is a pragmatic method to improve supportability; it can guarantee non-delay in spare parts logistics which can ultimately improve production output. This study uses an improved statistical-reliability (S-R) approach which incorporates system/machine operating environment information in systems reliability analysis. It selects a multiple regression type of analysis based on Cox's proportional hazards modeling (PHM). It considers a parametric approach with a baseline Weibull hazard function and time independent covariates and analyzes the influence of operating environment factors on this model. Based on the results of analyses, a mathematical model for spare parts prediction in component level for non-repairable parts is developed and the findings are validated through a case study in the Swedish mining industry. The study finds that the outputs represent a significant difference in the required spare parts estimation when considering the influence of the system operating environment. The difference is significant in the sense of spare parts forecasting and inventory management; this can enhance the availability of parts and consequently of machines resulting in economical operation and cost savings.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| 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