MétaCan
Menu
Retour à la cohorte
Enregistrement W2046763606 · doi:10.1142/s0218539304001464

TWO-LEVEL BURN-IN FOR RELIABILITY AND ECONOMY IN REPAIRABLE SERIES SYSTEMS HAVING INCOMPATIBILITY

2004· article· en· W2046763606 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueInternational Journal of Reliability Quality and Safety Engineering · 2004
Typearticle
Langueen
DomaineEngineering
ThématiqueManufacturing Process and Optimization
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNational Science Foundation
Mots-clésComponent (thermodynamics)Burn-inReliability (semiconductor)Series (stratigraphy)Superposition principleProcess (computing)Computer scienceReliability engineeringNonlinear systemMathematical optimizationPoisson processComplex systemPoisson distributionMathematicsEngineeringStatistics

Résumé

récupéré en direct d'OpenAlex

When a system is assembled from components, incompatibility often occurs as a result of the assembly process. The ability to quantify incompatibility is very important for making burn-in decisions because the goal of system burn-in is to minimize the incompatibility factor. In the past, incompatibility has been only partially represented in the system prediction models because it was assumed that assembly had no effect on the components. This paper presents a more accurate model for system prediction by allowing for the possibility that, in some cases, assembly adversely affects the components. After applying a superposition of delayed renewal processes and a nonhomogeneous Poisson process for modeling times between system failures, we derive and analyze the effects of component and system burn-in on the system cost and performance. Examples are included to demonstrate how to determine optimal component and system burn-in times simultaneously based on an equivalent problem formation and nonlinear programming.

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 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)0,003
score de la tête « metaresearch » (Gemma)0,001
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: Empirique
Score de désaccord entre enseignants0,301
Score d'incertitude au seuil0,702

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
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 Opus0,017
Tête enseignante GPT0,260
Écart entre enseignants0,243 · 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