MétaCan
Menu
Retour à la cohorte
Enregistrement W2891117216 · doi:10.1016/j.ifacol.2018.08.485

Joint Production and Replacement Planning for an Unreliable Manufacturing System Subject to Random Demand and Quality

2018· article· en· W2891117216 sur OpenAlexaff
Samir Ouaret, Jean‐Pierre Kenné, Ali Gharbi

Notice bibliographique

RevueIFAC-PapersOnLine · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueSupply Chain and Inventory Management
Établissements canadiensÉcole de Technologie SupérieureUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésRandomnessTime horizonComputer scienceMathematical optimizationProduction (economics)Robustness (evolution)Quality (philosophy)Production planningHamilton–Jacobi–Bellman equationProduction controlOperations researchReliability engineeringOptimal controlEngineeringEconomicsMathematicsMicroeconomics

Résumé

récupéré en direct d'OpenAlex

We consider a problem of optimal production and replacement control for a deteriorating manufacturing system containing a single unreliable machine that produces one type of products. The random phenomena are the breakdowns and repairs of the machine, the quality deteriorations and the demand of customers. The machine is subject to deteriorations and minimal repairs, which affect its failure rate and the defective rate of the parts produced, both increasing with the age of the machine. Due to the aging process, the option to replace the machine should be taken to eliminate these effects in order to be able to meet long-term demand. The objective is to find the simultaneous production and replacement control policies in order to minimize the total cost over an infinite planning horizon. The optimality conditions are developed in the form of the second-order Hamilton-Jacobi-Bellman (HJB) due to randomness in demand and quality. Numerical methods are used to obtain the optimal control policies. Finally, to illustrate the contribution of the paper and the robustness of the obtained control policies, a numerical example and a sensitivity analysis are presented.

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 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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,409
Score d'incertitude au seuil0,895

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,060
Tête enseignante GPT0,287
Écart entre enseignants0,227 · 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 tête enseignante, pas un consensus.

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

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

En bref

Citations3
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIFAC-PapersOnLineMême sujetSupply Chain and Inventory ManagementTravaux en français237 207