MétaCan
Menu
Retour à la cohorte
Enregistrement W2032050708 · doi:10.1108/13552510510601311

Joint optimal periodic and conditional maintenance strategy

2005· article· en· W2032050708 sur OpenAlexaff
Mohamed Anouar Jamali, Daoud Aı̈t-Kadi, Robert Cléroux, Abdelhakim Artiba

Notice bibliographique

RevueJournal of Quality in Maintenance Engineering · 2005
Typearticle
Langueen
DomaineEngineering
ThématiqueReliability and Maintenance Optimization
Établissements canadiensÉcole de Technologie SupérieureUniversité de MontréalUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésMathematical optimizationErlang (programming language)Block (permutation group theory)Time horizonSteady state (chemistry)Expected valueComputer scienceReliability engineeringEngineeringMathematicsStatistics

Résumé

récupéré en direct d'OpenAlex

Purpose In this paper, an optimal periodic replacement strategy is proposed. This strategy suggests new items to perform replacements at failure. Preventive replacements, scheduled at instants kT (k=1, 2,…) are carried out only if the item's age exceeds a threshold to be determined. Parameters T and b are derived from an optimization model aiming to maximize the steady state availability under budgetary constraints or to minimize the expected total cost per unit of time over an infinite horizon, while the steady state availability must be higher than some given threshold. Costs and durations associated with replacement actions are supposed to be known. Design/methodology/approach Employs mathematical models to investigate the expected cost rate and the steady state availability with illustrative examples. Findings Analytical and numerical results have been obtained for a system whose lifetime is distributed according to an Erlang distribution. Practical implications The proposed strategy seems more efficient than the basic block replacement strategy aiming to maximize the steady state availability. It is also easy to implement. Originality/value This new strategy would appear to be more efficient than the previous basic block replacement strategy.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 GPT0,244
Écart entre enseignants0,229 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations27
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Quality in Maintenance EngineeringMême sujetReliability and Maintenance OptimizationTravaux en français237 207