MétaCan
Menu
Retour à la cohorte
Enregistrement W4247883341 · doi:10.1109/.2001.992366

Treatment of reliability for reuse and remanufacture

2002· article· en· W4247883341 sur OpenAlexaff
T. Murayama, Lingyu Shu

Notice bibliographique

RevueProceedings Second International Symposium on Environmentally Conscious Design and Inverse Manufacturing · 2002
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRecycling and Waste Management Techniques
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésReuseReliability (semiconductor)Reliability engineeringFailure mode and effects analysisComputer scienceProduct (mathematics)RemanufacturingQuality (philosophy)Product lifecycleEngineeringNew product developmentManufacturing engineeringWaste managementBusiness

Résumé

récupéré en direct d'OpenAlex

Summarized are approaches addressing reliability in reuse (without repair) and remanufacture. To support the design of a product whose life cycle involves reuse without repair, two types of reliability data (time to failure and quality-deterioration data) were used in the simulation of the material flow during the life cycle. For management of material flow, reliability models were developed and applied to predict quantities of returned products and reusable components for each time period. The predicted results can be used for production planning in manufacturing firms using reusable parts as well as new parts. A reliability model was developed and validated to better describe populations of systems that undergo repairs performed during remanufacture or maintenance. Remanufacturer waste streams of several products were analyzed to reveal remanufacture difficulties. A modified FMEA uses the results of waste-stream analyses and considers ease of detection and repair of failure in conjunction with waste-stream contribution of failure modes in design for remanufacture.

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)0,004
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,009
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0050,003
Études des sciences et des technologies0,0010,004
Communication savante0,0020,003
Science ouverte0,0030,002
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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 Opus0,016
Tête enseignante GPT0,210
Écart entre enseignants0,195 · 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'étudeThéorique ou conceptuel
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

Citations6
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings Second International Symposium on Environmentally Conscious Design and Inverse ManufacturingMême sujetRecycling and Waste Management TechniquesTravaux en français237 207