Intersection of corrosion prevention strategy and practice
Notice bibliographique
Résumé
Purpose The purpose of this paper is to objectively evaluate the cost benefit of applying corrosion prevention coatings throughout a mid-life logistics fleet supporting the Canadian Army. Design/methodology/approach A database of maintenance records for an Army logistics vehicle throughout a four-year study period is mined. Statistical analysis (primarily ANOVA) accounting for the frequency of treatment and geographic region is executed. Findings Statistical analysis indicates counter-intuitive results. Vehicles that are most frequently treated to prevent corrosion incur the highest maintenance costs. Consultation with operational units suggests that a strategic approach to corrosion prevention is largely absent. Instead, vehicles are treated on an ad hoc basis, or – equivalently – on an as available basis. Practical implications Among high tempo organizations, vehicles most readily available to maintenance support are those that are in the greatest state of disrepair. Vehicles that are in better condition are preferred by operators for daily operations and are not available. Consequently, the vehicles that are subject to preventative maintenance most often are those near their end-of-life or are in disrepair and therefore gain little through further investments in corrosion prevention initiatives. Originality/value Clearly, having corrosion prevention compounds applied to a fleet on an ad hoc basis suffers from the natural bias occurring among operators to retain vehicles in best condition for operational purposes. Corrosion prevention requires a more strategic approach including disciplined maintenance operations in order to provide dividends on a fleet-wide basis.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».