Reliability Assessment of a Main Propulsion Engine Fuel Oil System- What are the Failure-prone Components?
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.
Notice bibliographique
Résumé
The main propulsion engine is the heart of a vessel which carries the entire load of the ship and propels to move ahead. The main engine consists of various sub‐systems, the fuel oil system is the most important one. Fuel oil system provides fuel to the engine via a fuel injector mounted on the engine cylinder head. During the voyage, the main engine of a ship encounters a variation in loads and stresses due to rough weather to harsh manoeuvring, which sometimes leads to the breakdown of the main engine. Fuel oil systems are identified as one of the main reasons for engine breakdown. Many accidents happened due to the failure of the main engine fuel oil system in the last two decades. To ensure safe and reliable main propulsion engine operation, it is required to assess the reliability of a fuel oil system. However, there is a significant lack of appropriate data to develop the reliability assessment techniques for fuel oil system. This study proposes appropriate data collection and analysis procedure for the reliability assessment of a fuel oil system. Data related to Failure Running Hours (FRH) of a fuel oil system is collected from 101 experienced marine engineers through a questionnaire. The collected data processed using a box plot and analysed for a normality test. It helps to identify the generalization of the data. Moreover, this study identified failure‐prone components of a fuel oil system. The collected data will help in developing reliability assessment techniques for accurate reliability analysis of a fuel oil system. The identified failure‐prone components will assist in future reliability analysis and risk mitigation strategies for improving the overall safety and reliability of the shipping industry.
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 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 | 0,000 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle