MétaCan
Menu
Retour à la cohorte
Enregistrement W4376851344 · doi:10.1109/tase.2023.3269059

Addressing a Collaborative Maintenance Planning Using Multiple Operators by a Multi-Objective Metaheuristic Algorithm

2023· article· en· W4376851344 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueIEEE Transactions on Automation Science and Engineering · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueReliability and Maintenance Optimization
Établissements canadiensUniversity of Victoria
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésMulti-objective optimizationMetaheuristicScheduling (production processes)Computer scienceJob shop schedulingPareto principlePreventive maintenanceMaintenance engineeringQuality (philosophy)AlgorithmEngineeringReliability engineeringOperations managementMachine learningRouting (electronic design automation)

Résumé

récupéré en direct d'OpenAlex

Selective maintenance has a significant impact on the sustainable management of maintenance operations. The collaboration of multiple maintenance teams/operators is helpful to achieve sustainability for selective maintenance sequence planning. For products with a large number of components, a single maintenance team/operator is inefficient due to a long completion time which is not acceptable for emergency planning. Providing specific and efficient maintenance sequence planning is critical to effectively handle different types of emergencies (e.g., wartime) while avoiding vague task assignments to multiple maintenance teams/operators. For scheduling many maintenance jobs while improving the efficiency and quality of maintenance operations, this study proposes a collaborative maintenance planning based on the concept of imperfect maintenance. In this regard, this study develops a multi-objective optimization model to optimize parallel maintenance sequences considering maintenance profit, maintenance cost, maintenance team, and resource limitations. We show the feasibility of the proposed multi-objective optimization model through a real case of maintenance practice for the components of an assistor device. For analyzing the complexity of the proposed maintenance sequence planning problem, this study introduces a new multi-objective metaheuristic algorithm which is an enhanced multi-objective gravitational search algorithm (EMOGSA) to find high-quality Pareto solutions for the proposed problem. Different multi-objective evaluation metrics are used to study the performance of the proposed algorithm. From the results, the proposed model and developed solution algorithm can help maintenance decision-makers to determine complex maintenance planning. <italic xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">Note to Practitioners</i> —This paper deals product with a maintenance and proposes gravitational search algorithm based on only maintenance task, which maintenance task. The goal of this paper is to analyze the maintenance problem from the perspective of collaboration of multiple maintenance teams/operators.

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.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,861
Score d'incertitude au seuil0,782

Scores Codex et Gemma par catégorie

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

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 Opus0,028
Tête enseignante GPT0,274
Écart entre enseignants0,247 · 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