Reliability analysis of underground rock bolters using the renewal process, the non-homogeneous Poisson process and the Bayesian approach
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
Purpose Reliability plays an important role in the execution of the maintenance improvement and the understanding of its concepts is essential to predict the type of maintenance according to the equipment state. Thereby, a computational tool was developed and programming with VBA in Excel® for reliability and failure analysis in a mining context. The paper aims to discuss these issues. Design/methodology/approach The developed approach use the modeling of stochastic processes, such as the renewal process, the non-homogeneous Poisson process and less conventional method as the Bayesian approach, by considering Jeffreys non-informative prior. The resolution gives the best associated model, the parameters estimation, the mean time between failure and the reliability estimate. This approach is validated with the reliability analysis of inter-failure times from underground rock bolters subsystems, over a two-year period. Findings Results show that Weibull and lognormal probability distribution fit to the most subsystems inter-failure times. The study revealed that the bolting head, the rock drill, the screen handler, the electric/electronic system, the hydraulic system, the drilling feeder and the structural consume the most repair frequency. The hydraulic and electric/electronic subsystems represent the lowest reliability after 50 operation hours. Originality/value For the first time, this case study defines practical failures and reliability information for rock bolter subsystems based on real operation data. This paper is useful to the comparative evaluation of rock bolter by detecting the weakest elements and understanding failure patterns in the individual observation subsystems on the overall machine performance.
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle