Estudio de fiabilidad, mantenibilidad y disponibilidad aplicado a grupos electrógenos prime
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
El presente estudio está enfocado en proporcionar una serie lógica de pasos necesarios para el cálculo de los indicadores de fiabilidad, mantenibilidad y disponibilidad, para el ejemplo se tomaron los registros de una base de datos de 51 generadores prime, se recolectaron los tiempos operativos entre fallos y los tiempos de reparación de dichos fallos por un período de 11 meses.
 La fiabilidad de un equipo depende de su diseño y construcción, para medir la fiabilidad es necesario registrar los tiempos operativos entre fallos, con estos tiempos calcular su tiempo medio, conocido por sus siglas en ingles MTBF (mean time between failure). El análisis de los tiempos de reparación de estos fallos y su media MTTR (mean time to repair) es la base de los estudios de la mantenibilidad. Las estrategias de mantenimiento deben enfocarse para extender los tiempos medios entre fallos y reducir los tiempos medios de reparación, con la finalidad de conservar la fiabilidad intrínseca de los equipos. Cabe mencionar que el mantenimiento preventivo no puede aumentar la fiabilidad por diseño de un dispositivo, si se realiza una buena planificación del mantenimiento podemos conservarla. Con la relación de estos indicadores mencionados se puede calcular la disponibilidad intrínseca.
 Otro aspecto importante es poder pronosticar la fiabilidad y la mantenibilidad, para ello es necesario tener un tratamiento estadístico con el estudio de funciones de distribución. El análisis de la fiabilidad, mantenibilidad y disponibilidad (análisis RAM por sus siglas en inglés) es una herramienta fundamental para predecir el rendimiento de equipos, provee información adecuada para anticiparnos a eventos de falla, esto proporcionará tiempo de reacción suficiente para tomar estrategias adecuadas. El pronóstico de la fiabilidad además es una herramienta muy útil cuando se requiere diseñar y construir equipos.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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