Age-dependent production and replacement strategies in failure-prone manufacturing systems
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
A failure-prone manufacturing system that consists of one machine producing one type of product is studied. The random phenomena examined are machine breakdowns and repairs. We assume that the machine undergoes a progressive deterioration while in operation and that the machine failure rate is a function of its age. The aging of the machine (the dynamics of the machine age) is assumed to be an increasing function of its production rate. Corrective maintenance activities are imperfect and restore the age of the machine to as-bad-as-old conditions. When a failure occurs, the machine can be repaired, and during production, the machine can be replaced, depending on its age. When the replacement action is selected, the machine is replaced by a new and identical one. The decision variables are the production rate and the replacement policy. The objective of this article is to address the simultaneous production and replacement policy optimization problem in the context of manufacturing with deterioration and imperfect repairs satisfying the customer demand and minimizing the total cost, which includes costs associated with inventory, backlog, production, repair and replacement, over an infinite planning horizon. We thoroughly explore the impact of the machine aging on the production and replacement policies. Particular attention is paid to the verification of underlying mathematical results that guarantee the existence of optimal solutions and the convergence of numerical methods. Due to imperfect repairs, the dynamics of the system is affected by the system history, and semi-Markov processes have to be used for modeling. Optimality conditions in the form of the Hamilton–Jacobi–Bellman equations are developed, and numerical methods are used to obtain the optimal control policies (production (rate) and replacement policies). A numerical example is given to illustrate the proposed approach, and an extensive sensitivity analysis is presented to confirm the structure of the obtained control policies.
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 | 0,001 |
| 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