MétaCan
Menu
Retour à la cohorte
Enregistrement W3101922363 · doi:10.1109/tem.2020.3035230

A Computing Model: The Closed-Loop Optimal Control for Large-Scale One-of-a-Kind Production Based on Multilevel Hierarchical PERT-Petri Net

2020· article· en· W3101922363 sur OpenAlexaff
Mei Ying, Zhigang Zeng, Jiawei Ye

Notice bibliographique

RevueIEEE Transactions on Engineering Management · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueManufacturing Process and Optimization
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésComputer scienceProduction (economics)Industrial engineeringPetri netScale (ratio)Distributed computingInterimProcess (computing)Systems engineeringReliability engineeringOperations researchEngineering

Résumé

récupéré en direct d'OpenAlex

For the design and operation of interim product manufacturing systems, large-scale one-of-a-kind production (OKP) features disruptions and lack of synchronization, which challenges real-time production process systematic control. The difficulty lies in two aspects. First, large-scale OKP is generally characterized by product design uncertainty and changes in resource availability, which often causes varied working time with workforce allocation variations. Second, specific types of large-scale OKP provides discrete production with complicated structures. There is the complicated work breakdown structure (WBS) of top-down and simple-to-complex refinement. Moreover, the production task relation structure in WBS, which consists of tandem structure, parallel structure and double-level-nested parallel structure, is complex. Indeed, many large-scale OKP enterprises do not have an effective method to both control and plan adjustment in a systematic way for dealing with the progress of OKP operations under workforce allocation disruptions and different working time scenarios. The traditional production project management and control system, theory, and methods do not handle this situation well since these technologies are developed with a view to managing production periods instead of controlling time-related cost systematically during production. Regarding the interim product production process in large-scale OKP as a manufacturing system, in this article we propose a cost dynamic control and optimization method based on the multilevel hierarchical PERT-Petri net (MLHPP) to achieve a closed-loop production dynamic control structure in large-scale OKP. The proposed modeling method and algorithms, through an industrial implementation in shipbuilding interim production (e.g., a ship block building), demonstrate a computing model for structuring and controlling large-scale OKP systems.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,014
Tête enseignante GPT0,206
Écart entre enseignants0,192 · 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'étudeSimulation ou modélisation
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

Citations5
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Engineering ManagementMême sujetManufacturing Process and OptimizationTravaux en français237 207