MétaCan
Menu
Retour à la cohorte
Enregistrement W4281476672 · doi:10.32920/19780162

Energy-aware flexible job shop scheduling problem and preventive maintenance under the limited resource constraints

2022· preprint· en· W4281476672 sur OpenAlexaff
Nasim Mirahmadi

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueScheduling and Optimization Algorithms
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésPreventive maintenanceUnavailabilityTardinessScheduling (production processes)CrewOptimal maintenanceEnergy consumptionComputer scienceOperations researchReliability engineeringJob shop schedulingProduction (economics)Mathematical optimizationOperations managementEngineeringScheduleMathematics

Résumé

récupéré en direct d'OpenAlex

<p>This thesis presents the development of a novel model for solving the flexible job shop scheduling problem with maintenance activities where maintenance activities are limited by a maintenance crew constraint. Moreover, in order to extend it in terms of energy consumption, the cost of energy usage associated with different states of the machines is considered in the objective function. The objective is to minimize the total cost of hiring repairmen, energy consumption, and tardiness penalties. We assume the production machines in this environment may break down which causes the unavailability of the machines for the production. In the maintenance phase, a threshold-based maintenance strategy is applied based on the obtained optimal replacement age of each machine. Accordingly, the required maintenance action is divided into two categories: minimal repair or replacement activities. Furthermore, opportunistic maintenance is considered in the scheduling to minimize the required number of repairmen to be hired. In fact, the main aims are to find the optimal machine assignment and operation sequence, to determine if preventive maintenance is required to be executed between two consecutive operations, and to specify the optimal number of maintenance crew to be hired for the shop floor to minimize the expected total cost.</p>

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,667
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,016
Tête enseignante GPT0,233
Écart entre enseignants0,217 · 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 tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetScheduling and Optimization AlgorithmsTravaux en français237 207