MétaCan
Menu
Retour à la cohorte
Enregistrement W4312459643 · doi:10.33322/kilat.v11i1.1531

Evaluasi Distributed Control System pada PLTU dengan Failure Mode, Effect and Criticaly Analysis (FMECA)

2022· article· en· W4312459643 sur OpenAlexaff
Saputra Dwi Nugroho

Notice bibliographique

RevueKilat · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueIoT-based Control Systems
Établissements canadiensPositive Living North
Organismes subventionnairesnon disponible
Mots-clésFailure mode, effects, and criticality analysisFailure mode and effects analysisReliability engineeringPreventive maintenanceEngineeringMaintenance engineeringReliability (semiconductor)Power (physics)

Résumé

récupéré en direct d'OpenAlex

Steam power plants (PLTU) are power plants that have the largest percentage of power plants owned by PLN. The main controller in a PLTU usually uses a Distributed Control System (DCS). The reliability of DCS in a PLTU must be maintained properly so that the power plant does not experience a control failure that causes the PLTU to stop suddenly. DCS PLTU Sebalang Unit 1 has used the FMEA method to determine its maintenance strategy, but the FMEA has not defined the function of the equipment, functional failure, the effect of failure, and criticality analysis (CA) of the equipment. failure mode prioritization has not been carried out. With the FMECA conducted in this study, the priority of the failure mode can be carried out effectively so that the priority determination of DCS maintenance can be carried out. Results of the FMECA that have been carried out, it is known that the failure that occurs in the DCS CPU has the highest RPN value (140). The maintenance strategy obtained from the FMECA results is preventive maintenance (PM), namely: 1) checking the power supply voltage, 2) checking the communication status, idle time status, load and CPU status, and maintenance run to failure (RTF) CPU replacement if there is damage to the CPU. FCS CPUs.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,003
Tête enseignante GPT0,215
Écart entre enseignants0,212 · 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'étudeObservationnel
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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKilatMême sujetIoT-based Control SystemsTravaux en français237 207