MétaCan
Menu
Retour à la cohorte
Enregistrement W3045761394 · doi:10.33262/concienciadigital.v3i3.1266

Estudio de fiabilidad, mantenibilidad y disponibilidad aplicado a grupos electrógenos prime

2020· article· es· W3045761394 sur OpenAlexvenueno aff
César Marcelo Gallegos Londoño, Mayra Alexandra Viscaíno Cuzco, Sergio Raúl Sergio Raúl

Notice bibliographique

RevueConcienciaDigital · 2020
Typearticle
Languees
DomaineEngineering
ThématiqueReliability and Maintenance Optimization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPhilosophy

Résumé

récupéré en direct d'OpenAlex

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,215
Écart entre enseignants0,205 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueConcienciaDigitalMême sujetReliability and Maintenance OptimizationTravaux en français237 207