Optimization models for critical spare parts inventories—a reliability approach
Notice bibliographique
Résumé
D Louita, R Pascuala*, D Banjevicb & A K S Jardineba Pontificia Universidad Católica de Chile Santiago Chileb University of Toronto Toronto Ontorio Canadaa rpascual@ing.puc.clAbstractIn industries characterized by heavy utilization of equipment and machinery, such as mining, oil & gas, utilities, transportation, adequate stockholding of critical spare parts becomes essential. Insufficient stocks affect overall performance of physical assets, as lack of spares may result in gross penalties, lower availability or increased operational risks. On the other hand, oversized inventories lead to inefficient use of capital and may imply severe expenditures. This paper presents various approaches for the determination of the optimal stock size, when the stock is composed of (i) non-repairable or (ii) repairable parts. The paper is focused on spares for relatively expensive, highly reliable components, rather than on fast-moving spare parts. Optimization criteria considered are minimization of costs, maximization of equipment availability, and the achievement of a desired stock reliability (probability that a spare part request will not be rejected because of the lack of spares in stock). For stock reliability, instantaneous and interval reliability calculations are considered. In addition, models directed to the estimation of the remaining life of a given stock of spare parts (at a certain stock reliability level) are introduced. The paper describes several models subject to practical industrial application, and presents case studies from utilities and mining to illustrate their use.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».