A Computational Model for Determining the Optimal Preventive Maintenance Policy With Random Breakdowns and Imperfect Repairs
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
We consider a system that is subject to random failures, and investigate the decision rule for performing renewal maintenance or preventive replacement (PR). This type of maintenance policy involves two decision variables. The first decision variable is the time between preventive replacements, or a fixed cycle time. To avoid unnecessary renewals or replacements at the end of a cycle, a cut-off age is introduced as the second decision variable. At the end of every cycle, if the system's virtual age is equal to or greater than the cut-off age, it will undergo a renewal or replacement; otherwise the renewal decision will be postponed until the end of the next cycle. Random failures can occur, however; and the system receives emergency imperfect repairs (ER) at these times. Hence, within a PR cycle, a second decision time is identified. If an ER occurs between the start of a cycle and this second decision time, then the planned PR would still be performed at the end of the cycle. However, if the first ER occurs after this second decision time, then the PR at the end of the cycle is skipped over, and the next planned PR would take place at the end of the subsequent cycle. With this simple mechanism, PR which follow on too closely after an ER are avoided, thus saving the unnecessary expense. We develop a computational model to determine the optimal maintenance policy with these two decision variables
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 | 0,001 | 0,000 |
| 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 | 0,000 | 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