MétaCan
Menu
Retour à la cohorte
Enregistrement W2907976797 · doi:10.4236/am.2018.912091

Development of a Tool Cost Optimization Model for Stochastic Demand of Machined Products

2018· article· en· W2907976797 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

RevueApplied Mathematics · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueManufacturing Process and Optimization
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesnon disponible
Mots-clésMachiningAutomotive industryProduction (economics)Economic shortageManufacturing costSensitivity (control systems)Cutting toolTotal costMachine toolComputer scienceManufacturing engineeringReliability engineeringEngineeringIndustrial engineeringMechanical engineeringEconomics

Résumé

récupéré en direct d'OpenAlex

Cutting tool management in manufacturing firms constitutes an essential element in production cost optimization. In order to optimize the cutting tool stock level while concurrently minimizing production costs, a cost optimization model which considers machining parameters is required. This inclusive modeling consideration is a major step towards achieving effectiveness of cutting tool management policy in manufacturing systems with stochastic driven policies for tool demand. This paper presents a cost optimization model for cutting tools whose utilization level is assumed to be optimized in respect of the machining parameters. The proposed cost model in this research incorporated the effects of diversified machining costs ranging from operational through machining, shortage, holding, material and ordering costs. The machining of parts was assumed to be a single cutting operation. Holt-Winters forecasting technique was used to create a stochastic demand dataset for a test scenario in the production of a high-end automotive part. Some numerical examples used to validate the developed model were implemented to illustrate the optimal machining and tool inventory conditions. Furthermore, a sensitivity analysis was carried out to study the influence of varying production parameters such as: machine uptime, demand and cutting parameters on the overall production cost. The results showed that a desired low level of tool storage and holding costs were obtained at the optimal stock levels. The machining uptime had a significant influence on the total cost while tool life and cutting feed rate were both identified as the most influential cutting variables on the total cost. Furthermore, the cutting speed rate had a marginal effect on both costs and tool life. Other cost variables such as shortage and tool costs had significantly low effect on the overall cost. The output trend showed that the feed rate is the most significant cutting parameter in the machining operation, hence influencing the cost the most. Also, machine uptime and demand significantly influenced the total production cost.

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)0,000
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,406
Score d'incertitude au seuil0,362

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
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 Opus0,019
Tête enseignante GPT0,225
Écart entre enseignants0,206 · 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