Asset health index method for diesel generation unit replacement planning
Notice bibliographique
Résumé
Diesel generation units are not often considered for replacement before they reach the manufacturer's recommended life, and sometimes only after it runs to failure. Although this can take better advantage of the unit life, it may not be the most cost effective strategy considering the fact that aging units often have higher operation and maintenance costs, and undesirable reliability consequences. In order to allow financial retain/replace decisions to be made; this paper proposes a cost effectiveness analysis method. Each generation unit under evaluation is given an asset health index (AHI), which is defined as the ratio of the NPV of running a unit to end of life over the NPV of immediate replacement. AHI is a self-explanatory quantitative indicator of the cost effectiveness for unit replacement. In-house software named asset health index calculator (HI) has been developed and an AHI has been produced for every diesel generation unit in service in the BC Hydro non-integrated areas (NIA) for the future 20 years, so planners can easily foresee when and which units should be replaced in this planning window. A performance evaluation of the generation units is also required by not discussed in this paper. The development of the AHI and the performance evaluation allow proactive fleet capacity planning and justifiable asset management expenditure. As an effective planning tool, the proposed AHI method can be extended to the evaluation for other aging assets.
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 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 | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».