Addressing a Collaborative Maintenance Planning Using Multiple Operators by a Multi-Objective Metaheuristic Algorithm
Notice bibliographique
Résumé
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.Note to Practitioners—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.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 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 ».