MétaCan
Menu
Retour à la cohorte
Enregistrement W2027081946 · doi:10.1243/09544062jmes1074

An IPINP model for the assessment of filter allocation and replacement strategies in a hydraulic contamination control system under uncertainty

2008· article· en· W2027081946 sur OpenAlexaff
Songlin Nie, Yongping Li, Xiongtao Shi, Guohe Huang, Bo Hu

Notice bibliographique

RevueProceedings of the Institution of Mechanical Engineers Part C Journal of Mechanical Engineering Science · 2008
Typearticle
Langueen
DomaineEngineering
ThématiqueWater resources management and optimization
Établissements canadiensUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésFilter (signal processing)Interval (graph theory)Range (aeronautics)Control theory (sociology)LinearizationComputer scienceControl (management)Mathematical optimizationReliability engineeringEngineeringNonlinear systemMathematics

Résumé

récupéré en direct d'OpenAlex

An interval-parameter integer non-linear programming (IPINP) model is developed for the assessment of filter allocation and replacement strategies in a hydraulic contamination control system under uncertainty. The IPINP can handle uncertainties expressed as interval values that exist in the left- and right-hand sides of constraints as well as in the objective function. A piecewise linearization approach is proposed to solve the IPINP model, which has advantages in identifying global optimum and is associated with low computational efforts for an uncertain non-linear programme. The developed method has been applied to a case of planning filter allocation and replacement strategies under uncertainty for a fluid power system (FPS) with a single circuit. Three different contaminant ingression/generation rates are examined based on several filter-installation scenarios. The combination of low-costing suction and return filters exhibits excellent contaminant resistibility along with the optimum replacement periods of filter elements and operation costs under the low and medium contaminant ingression/generation level. The solutions can be used for generating a range of decision alternatives and thus help the decision-makers to identify desired filter allocation and replacement plan with a minimized operation cost and a minimized system-failure risk for FPS.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,732
Score d'incertitude au seuil0,392

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,233
Écart entre enseignants0,218 · 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 tête enseignante, 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

Citations16
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Institution of Mechanical Engineers Part C Journal of Mechanical Engineering ScienceMême sujetWater resources management and optimizationTravaux en français237 207