MétaCan
Menu
Retour à la cohorte
Enregistrement W4317932088 · doi:10.3390/app13031541

Warranty Cost Analysis for Multi-State Products Protected by Lemon Laws

2023· article· en· W4317932088 sur OpenAlexaboutno aff
Liying Wang, Yushuang Song, Qingan Qiu, Li Yang

Notice bibliographique

RevueApplied Sciences · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueReliability and Maintenance Optimization
Établissements canadiensnon disponible
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésWarrantyProduct (mathematics)Quality (philosophy)Reliability engineeringActuarial scienceDuration (music)BusinessOperations researchRisk analysis (engineering)Computer scienceEngineeringLawMathematics

Résumé

récupéré en direct d'OpenAlex

The implementation of lemon laws in America has played an important role in improving the quality of after-sales service. Nowadays, many countries, such as China, Canada, Europe, Australia, Singapore, and South Korea, have adopted lemon laws in various industries to protect the interest of consumers. From the perspective of manufacturers, accurate estimation of the cost of the warranty service is of great importance in guiding product pricing, quality control, and design of warranty policies. According to the terms of different lemon laws, two warranty models considering the repair time and numbers for failures are proposed in this paper. Products under these models are multi-state, and Markov processes are used to model the degradation processes of products. In the first model, a product will be replaced by a new one if the time for a repair or the number of failures exceeds their respective thresholds over the warranty period. Under the second model, both catastrophic and minor failures are considered. A product will be replaced if one of the following three conditions is met over the warranty period: the time of one repair action (regardless of failure type) is longer than a time threshold; the number of minor failures is larger than a preset threshold; a catastrophic failure occurs. The expected warranty cost rates under the two proposed warranty models are derived under the assumption of renewable warranty terms. Numerical examples are given to illustrate the results obtained.

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)0,003
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,009
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,038
Tête enseignante GPT0,262
Écart entre enseignants0,224 · 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

Citations9
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied SciencesMême sujetReliability and Maintenance OptimizationTravaux en français237 207