MétaCan
Menu
Retour à la cohorte
Enregistrement W2216940447 · doi:10.1016/j.ijpe.2015.12.016

Joint economic design of production, continuous sampling inspection and preventive maintenance of a deteriorating production system

2016· article· en· W2216940447 sur OpenAlexaff
Bassem Bouslah, Ali Gharbi, Robert Pellerin

Notice bibliographique

RevueInternational Journal of Production Economics · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueReliability and Maintenance Optimization
Établissements canadiensÉcole de Technologie SupérieurePolytechnique MontréalUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésComputer sciencePreventive maintenanceReliability engineeringReliability (semiconductor)Sampling (signal processing)Quality (philosophy)Production (economics)Continuous productionMathematical optimizationConstraint (computer-aided design)Acceptance samplingOperations researchMathematicsEngineering

Résumé

récupéré en direct d'OpenAlex

Standard continuous sampling procedures and tables are conventionally applicable only to continuous production processes that are statistically ‘in-control’. Consequently, these standards cannot be used to control quality in deteriorating production processes. Moreover, existing continuous sampling models do not consider interactions with production, inventory and maintenance aspects. In this paper, we attempt to fill these gaps in the literature. We investigate the joint design and optimization of a type-1 continuous sampling plan (CSP-1), make-to-stock production and preventive maintenance of a stochastic production system subject to both quality and reliability deteriorations. Two models of CSP-1 are considered and compared: the classical CSP-1 as in the standard procedures, and a CSP-1 plan with a stopping rule that is combined with condition-based maintenance. For both models, the optimization problem is to minimize the total incurred cost under a constraint on the outgoing quality. A combination of mathematical formulation, simulation and optimization techniques is used to solve such stochastic and constrained problems. Numerical examples are given to illustrate the resolution approach and to highlight some interesting aspects in the interactions between production, inventory, quality, maintenance and reliability. The results obtained demonstrate that sampling inspection plans realize significant cost savings compared to the 100% inspection which is commonly used in the literature of integrated models, and that using the CSP-1 with an inspection stopping rule for deteriorating processes is more cost-effective than the classical CSP-1.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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: Méthodes
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,015
Tête enseignante GPT0,209
Écart entre enseignants0,194 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations58
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Production EconomicsMême sujetReliability and Maintenance OptimizationTravaux en français237 207