MétaCan
Menu
Retour à la cohorte
Enregistrement W3046731328 · doi:10.1109/rams48030.2020.9153629

Joint optimizing the Production Sequence and Maintenance Plan for a Single-Machine Multi-Failure System

2020· article· en· W3046731328 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
ThématiqueReliability and Maintenance Optimization
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésReliability engineeringComputer scienceImperfectQuality (philosophy)Production (economics)Production lineProduct (mathematics)Weibull distributionEngineeringMechanical engineering

Résumé

récupéré en direct d'OpenAlex

In this paper, we consider a single-machine manufacturing system in which data about the status of its critical components are instantly available. We aim to optimize simultaneously the jobs sequence and maintenance actions to minimize the total cost of the considered production system. Since the machine parts are subject to several failures during the production, the maintenance actions are either to imperfect repair or replacement, taking into considerations that parts' imperfect repair do not make these parts as good as new. The manufacturing system's cost includes the machine's parts repair or replacement cost, and the penalty if the jobs completion time exceeds a predefined threshold. We assume that the lifetime of the machine's parts has a Weibull distribution. We study a machine cutting tool and engine among others. We consider that the failure of the cutting tool decreases the product's (job) quality, and this product (job) needs to be restarted processing after the imperfect repair or replacement of the tool. For this part, we consider an age-based threshold; if the tool has failed before the threshold, the maintenance action is imperfect repair; otherwise, the tool is replaced by the new one. One of the model objectives is to find the optimal value of this threshold. If the engine fails during the processing of the job, the maintenance action is imperfect repair. The failures of the engine have no effect on the product quality; thus, the product process resumes after engine imperfect repair. The tool and engine imperfect repairs affect the life distribution parameter (scale parameter of Weibull distribution, $\theta$), but tool replacement makes the tool as good as new and presents a mathematical model with the aim of minimizing the total production cost when the system is subject to these two-failure modes. Since the lifetime of the machine's parts follows a Weibull distribution, we use a Monte Carlo simulation for calculating the jobs' completion time and the system's total cost. Job scheduling and maintenance planning problems are NP-hard problems, so we use a Genetic algorithm (GA) to solve the presented model.

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 enseignants0,898
Score d'incertitude au seuil0,327

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 Opus0,043
Tête enseignante GPT0,205
Écart entre enseignants0,162 · 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 sujetReliability and Maintenance OptimizationTravaux en français237 207