Appropriate strategy selection for reliability-centered maintenance of one-shot systems using fuzzy model
Notice bibliographique
Résumé
Purpose This paper addresses special reliability-centered maintenance (RCM) strategies for one-shot devices by providing fuzzy inferences system with the assumption that, to data, there is no data available on their maintenance. As far as one-shot devices are concerned, the relevant data is inadequate. Design/methodology/approach In this paper, a fuzzy expert system is proposed to effectively select RCM strategies for one-shot devices. In this research: (1) a human expert team is provided, (2) spatial RCM strategies for one-shot devices and parameters bearing upon those strategies are determined, (3) the verbal variables of the expert team are transformed into fuzzy sets, (4) the relationship between parameters and strategies are designed whereupon a model is developed by MATLAB software, (5) Finally, the model is applied to a real-life one-shot system. Findings The finding of this study indicates that the proposed fuzzy expert system can determine the parameters affecting the choice of the appropriate one-shot RCM strategies, and a fuzzy inference system can help for effective decision making. Originality/value The developed model can be used as a fast and reliable method for determining an appropriate one-shot RCM strategy, whose results can be relied upon with a suitable approximation in respect of the behavior test. To the best authors’ knowledge, this problem is not addressed yet.
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 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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| 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 | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».