MétaCan
Menu
Retour à la cohorte
Enregistrement W26689806 · doi:10.1186/s12889-015-2600-x

ANALISIS PENYEBAB KEGAGALAN KOMPONEN RADIO KAYU DI CV. PIRANTI WORK

2011· dissertation· en· W26689806 sur OpenAlexfundno aff
Desti Dwi Artati

Notice bibliographique

RevueBMC Public Health · 2011
Typedissertation
Langueen
DomaineBusiness, Management and Accounting
ThématiqueManagement and Optimization Techniques
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésRoot cause analysisFault tree analysisRoot causeIshikawa diagramReliability engineeringReliability (semiconductor)Production (economics)EngineeringEvent tree analysisRoot (linguistics)Work (physics)Mechanical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract Failure occurs when the workpiece stop doing one or more functions that should be good before self service expected to achieve, it can be said workpiece fails or is damaged. Failure can affect the output of production. As in the Piranti Work failures affecting production yield. At the Root Cause Analysis (RCA) an event or problem is identified the root cause. Root Cause Analysis (RCA) is a process used in investigating and classifying the roots of the problems incidents that may affect the safety, health, environment, quality, reliability and production. Root Cause Analysis (RCA) on the CV. Piranti Works is used to identify failures that affect the outcome of production. In this study integrated Fault Tree Analysis (FTA) and Barrier Analysis as a method to identify the root cause of the problem. Fault Tree Analysis describes how an event affects the occurrence of failure. While on Barrier Analysis to determine the barriers that occur so that it can lead to failure. So that improvements can be made based on the root of the problem is found and the failures are not re-occur.

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)0,008
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,054
Score d'incertitude au seuil0,180

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,018
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0050,003
Études des sciences et des technologies0,0020,001
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0540,012

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 Opus0,055
Tête enseignante GPT0,277
Écart entre enseignants0,222 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations0
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC Public HealthMême sujetManagement and Optimization TechniquesTravaux en français237 207