MétaCan
Menu
Retour à la cohorte
Enregistrement W2496838318 · doi:10.1108/jqme-05-2012-0018

Availability analysis of a LNG processing plant using the Markov process

2016· article· en· W2496838318 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of Quality in Maintenance Engineering · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueReliability and Maintenance Optimization
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésReliability engineeringProcess (computing)Markov chainMarkov processInterval (graph theory)Reliability (semiconductor)Markov modelState (computer science)Computer scienceEngineeringProcess stateAlgorithmMathematicsMachine learning

Résumé

récupéré en direct d'OpenAlex

Purpose – The purpose of this paper is to propose a state dependent stochastic Markov model for availability analysis of process plant instead of traditional time dependent model. Design/methodology/approach – The traditional concepts of system performance measurement and reliability (namely, binary; two-state concepts) are observed to be inadequate to characterize performance of complex system components. Availability analysis considering an intermediate state, such as a degraded state, provides a better alternative mechanism for system performance mapping. The availability model provides a better assessment of failure and repair characteristics for equipment in the sub-system and its overall performance. In addition to availability analysis, this paper also discusses the preventive maintenance (PM) program to achieve target availability. In this model, the degraded state is considered as a PM state. Using Markov analysis the optimum maintenance interval is determined. Findings – Markov process provides an easier way to measure the performance of the process facility. This study also revealed that the maintenance interval has a major influence in the availability of a process facility as well as in maintaining target availability. The developed model is also applicable to the varying target availability as well as having the capability to handle even the reconfigured process systems. Research limitations/implications – Considering the degraded state as an operative state, a higher availability of the plant is predicted. The consideration of the degraded state of the system makes the availability estimation more realistic and acceptable. Availability quantification, target availability allocation and a PM model are exemplified in a sub-system of an liquefied natural gas facility. Originality/value – The unique features of the present study are; Markov modeling approach integrating availability and PM; optimum PM interval determination of stochastically degrading components based on target availability; consideration of three-state systems; and consideration of increasing failure rates.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,297
Score d'incertitude au seuil0,430

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,018
Tête enseignante GPT0,271
Écart entre enseignants0,253 · 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