Inspection and maintenance optimisation of multicomponent systems
Notice bibliographique
Résumé
The present research proposes methodology and mathematical models for optimisation of inspection and maintenance in complex multicomponent systems with finite planning horizon. Components are classified by failure types: hard-type and soft-type. The systems analysed are composed of either multiple identical hidden soft-type components in k-out-of-n redundant configuration, or a combination of hard-type and hidden soft-type components. Failures of hard-type components cause system failures. Failures of components in k-out-of-n systems and soft-type component failures are hidden and not discoverable until an inspection, but reduce the system’s reliability and performance. The systems are inspected either periodically, or non-periodically. They are also inspected opportunistically at the times of system failure (occurring at (k – n + 1)st component failures in k-out-of-n systems, or at hard failures in the systems composed of hard-type and soft-type components). Inspections have negligible duration. All components may undergo minimal repair, or corrective replacement, with hard-type components also having a possibility of preventive replacement under periodic inspections. We only consider minimal repair and corrective replacement under non-periodic inspections. We propose several models for joint optimisation of inspection and maintenance policies that result in the lowest total expected cost. Since soft failures are hidden, we generate expected values for the number of minimal repairs, number of replacements and downtime recursively. Due to multiple component interactions and system complexity, Monte Carlo simulation and genetic algorithms (GA) are used for optimisation. Using GA for optimisation allows to consider quasi-continuous inspection intervals due to improved computational efficiency compared to Monte Carlo simulation. Some of proposed models feature preventive component replacements and are applicable even for systems with hidden component failures. For k-out-of-n systems, we apply periodic model to series and parallel systems and compare the results. We provide expressions for expected number of system failures in terms of cost ratio and component failure intensity. We also provide a simplified expression for system reliability. In addition, we derive a formula for finding the planning horizon length based on expected number of system failures. It may be useful for planning the system’s operating horizon, at the system design stage and when analysing its performance.
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 | 0,000 | 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 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 ».