MétaCan
Menu
Retour à la cohorte
Enregistrement W2076215557 · doi:10.1115/1.3013295

Dependability-Based Design Optimization of Degrading Engineering Systems

2008· article· en· W2076215557 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

RevueJournal of Mechanical Design · 2008
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueProbabilistic and Robust Engineering Design
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésDependabilityReliability engineeringReworkReliability (semiconductor)Computer scienceMonte Carlo methodFunction (biology)Probabilistic designMathematical optimizationEngineering design processEngineering

Résumé

récupéré en direct d'OpenAlex

In this paper, we present a methodology that helps select the distribution parameters in degrading multiresponse systems to improve dependability at the lowest lifetime cost. The dependability measures include both quality (soft failures) and reliability (hard failures). Associated costs of scrap, rework, and warrantee work are included. The key to the approach is the fast and efficient creation of the system cumulative distribution function through a series of time-variant limit-state functions. Probabilities are evaluated by Monte Carlo simulation although the first-order reliability method is a viable alternative. The cost objective function that is common in reliability-based design optimization is expanded to include a lifetime loss of performance cost, herein based on present worth theory (also called present value theory). An optimum design in terms of distribution parameters of the design variables is found via a methodology that involves minimizing cost under performance policy constraints over the lifetime as the system degrades. A case study of an over-run clutch provides the insights and potential of the proposed methodology.

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)0,010
score de la tête « metaresearch » (Gemma)0,013
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,565
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0100,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,175
Tête enseignante GPT0,303
Écart entre enseignants0,128 · 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