A Remaining Useful Life Model for Optimizing Maintenance cost and Spare-parts replacement of Production Systems in the Context of Sustainability
Notice bibliographique
Résumé
In reliability and maintenance engineering, predictive methods play a major role for estimating the remaining useful life (RUL) of equipment. However, in the most cases the RUL estimation is based on two types of approaches: model-based solution and data-driven solution. Data-driven solution is a very realistic solution, but requires the availability of large quantity of collected data using sensors networks, big storage capacity, supercomputers for processing, and high-level algorithms such as machines learning, convolutional Neural Networks, Hidden Markov Models. While model-based solution methods are less difficult to deploy, they use techniques based on the mean residual life (MRL) value. This paper proposes an integrated decision support model for minimizing the maintenance expected cost, and for reducing the excess of spare-parts usage of multi-component production systems. This decision support model includes three performance indicators that are: the renewal function (RF), the mean residual lifetime (MRL) and the renewal mean residual lifetime (RMLR). The contribution of this research consists of (1) introducing the MRL function for a class of useful probability distributions, (2) proposing the Renewal MRL (RMRL) as a predictive maintenance strategy, (3) applying the approach-MRL to maintenance scheduling problems, (4) dressing a comparative numerical study between the different proposed models using an industrial case study. Besides, the comparative study performing the RF, MRL, and RMRL is carried out using basic and modified replacement strategies consisting of an age replacement policy (ARP) and an opportunistic maintenance solution. In addition, a case study from an Electrical power system is proposed by providing numerical results that discuss and illustrate the outcome gains in terms of maintenance costs saving and spare parts replacements’ minimization. However, the proposed solution is demonstrated to have a positive effect to enhance sustainable development systems, and it is provided soon to cover other theoretical and application aspects of the MRL.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».