An overview of some classical models and discussion of the signature‐based models of preventive maintenance
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.
Notice bibliographique
Résumé
Abstract In reliability engineering literature, a large number of research papers on optimal preventive maintenance (PM) of technical systems (networks) have appeared based on preliminary many different approaches. According to the existing literature on PM strategies, the authors have considered two scenarios for the component failures of the system. The first scenario assumes that the components of the system fail due to aging, while the second scenario assumes the system fails according to the fatal shocks arriving at the system from external or internal sources. This article reviews different approaches on the optimal strategies proposed in the literature on the optimal maintenance of multi‐component coherent systems. The emphasis of the article is on PM models given in the literature whose optimization criteria (cost function and stationary availability) are developed by using the signature‐based (survival signature‐based) reliability of the system lifetime. The notions of signature and survival signature, defined for systems consisting of one type or multiple types of components, respectively, are powerful tools assessing the reliability and stochastic properties of coherent systems. After giving an overview of the research works on age‐based PM models of one‐unit systems and ‐out‐of‐ systems, we provide a more detailed review of recent results on the signature‐based and survival signature‐based PM models of complex systems. In order to illustrate the theoretical results on different proposed PM models, we examine two real examples of coherent systems both numerically and graphically.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 découle