MétaCan
Menu
Retour à la cohorte
Enregistrement W3046693044 · doi:10.1109/rams48030.2020.9153721

Real-Time Optimization of Maintenance and Production Scheduling for an Industry 4.0-Based Manufacturing System

2020· article· en· W3046693044 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueScheduling and Optimization Algorithms
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésIndustry 4.0Manufacturing engineeringCyber-physical systemAdvanced manufacturingManufacturing execution systemManufacturingScheduling (production processes)Integrated Computer-Aided ManufacturingProcess development execution systemComputer scienceLead timeComputer-integrated manufacturingEngineeringBusinessOperations managementMarketing

Résumé

récupéré en direct d'OpenAlex

The adaption of state-of-the-art inventions in information technology and industrial informatics in manufacturing has led to the advent of Industry 4.0, commonly known as the fourth industrial revolution. Industry 4.0 will take manufacturing productivity and quality to new levels and create enormous opportunities for business and revenue growth. Unlike classical manufacturing systems, Industry 4.0-based manufacturing systems are supported by several advanced technologies (known as Industry 4.0 concepts), which include cyber-physical systems (CPS) and internet of things (IoT), among other Industry 4.0 concepts. The adoption of such technology (i.e., Industry 4.0) allows for the delivery of real-time actionable data for smart decision-making. In order to fully realize the potential of such technologies, real-time decision making should be present in all aspects of the manufacturing process. This includes two core components of manufacturing: maintenance and production scheduling.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,346
Score d'incertitude au seuil0,413

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,220
Écart entre enseignants0,203 · 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

En bref

Citations9
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetScheduling and Optimization AlgorithmsTravaux en français237 207