A risk-based availability estimation using Markov method
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
Purpose – Asset intensive process industries are under immense pressure to achieve promised return on investments and production targets. This can be accomplished by ensuring the highest level of availability, reliability and utilization of the critical equipment in processing facilities. In order to achieve designed availability, asset characterization and maintainability play a vital role. The most appropriate and effective way to characterize the assets in a processing facility is based on risk and consequence of failure. The paper aims to discuss these issues. Design/methodology/approach – In this research, a risk-based stochastic modeling approach using a Markov decision process is investigated to assess a processing unit's availability, which is referred as the risk-based availability Markov model (RBAMM). RBAMM will not only provide a realistic and effective way to identify critical assets in a plant but also a method to estimate availability for efficient planning purposes and resource optimization. Findings – A unique risk matrix and methodology is proposed to determine the critical equipment with direct impact on the availability, reliability and safety of the process. A functional block diagram is then developed using critical equipment to perform efficient modeling. A Markov process is utilized to establish state diagrams and create steady-state equations to calculate the availability of the process. RBAMM is applied to natural gas absorption process to validate the proposed methodology. In the conclusion, other benefits and limitations of the proposed methodology are discussed. Originality/value – A new risk-based methodology integrated with Markov model application of the methodology is demonstrated using a real-life application.
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 | 0,008 | 0,001 |
| 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 | 0,001 | 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