MétaCan
Menu
Retour à la cohorte
Enregistrement W2644985284 · doi:10.1002/qre.2180

A new reliability analysis method for repairable systems with multifunction modes based on goal‐oriented methodology

2017· article· en· W2644985284 sur OpenAlexaff
Xiaojian Yi, Jian Shi, B.S. Dhillon, Yue‐hua Lai

Notice bibliographique

RevueQuality and Reliability Engineering International · 2017
Typearticle
Langueen
DomaineComputer Science
ThématiqueSoftware Reliability and Analysis Research
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesMinistry of Industry and Information Technology of the People's Republic of ChinaNational Natural Science Foundation of China
Mots-clésFault tree analysisReliability (semiconductor)Computer scienceReliability engineeringOperator (biology)Monte Carlo methodProcess (computing)Bitwise operationComplex systemFunction (biology)EngineeringMathematicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Abstract This paper proposes a new systematic reliability analysis method for repairable systems with multifunction modes based on the goal‐oriented (GO) method. First, we create a new function GO operator, a new logical GO operator, and a new auxiliary GO operator, deduce their GO operation formulas, and propose some new rules of the GO operation and an exact algorithm with shared signal of the GO method for such systems. Then, we formulate the analysis process of repairable systems with multifunction modes based on the new GO method. Finally, we apply this new GO methodology to reliability analysis of the control system for a heavy vehicle. To verify the feasibility, advantage, and reasonableness of the new GO methodology, we compare its analysis results with those of fault tree analysis and Monte Carlo simulation. We show that the proposed GO method has clear advantages in system reliability modeling and analysis. All in all, this study not only improves the theory of the GO method and widens its application but also provides a new approach for conducting reliability analysis of complex systems quickly and efficiently.

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)0,002
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 enseignants0,002
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,001
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 Opus0,056
Tête enseignante GPT0,375
Écart entre enseignants0,319 · 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

Citations24
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueQuality and Reliability Engineering InternationalMême sujetSoftware Reliability and Analysis ResearchTravaux en français237 207