MétaCan
Menu
Retour à la cohorte
Enregistrement W4378965566 · doi:10.18280/jesa.560211

Effect of the Maintenance Strategy on the Performance and Efficiency of the Gas Turbine Unit: A Review

2023· review· en· W4378965566 sur OpenAlexvenueno aff
Khawla Dawood Khalaf, Obed M. Ali

Notice bibliographique

RevueJournal Européen des Systèmes Automatisés · 2023
Typereview
Langueen
DomaineEngineering
ThématiqueAdvanced Power Generation Technologies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGas turbinesUnit (ring theory)TurbineReliability engineeringEnvironmental scienceComputer scienceEngineeringMechanical engineeringMathematics

Résumé

récupéré en direct d'OpenAlex

With the intense competition characterizing the volatile power sector, the gas turbine industry is currently facing new challenges of increasing operational flexibility, reducing operating costs, and improving reliability and availability while mitigating environmental impact.In this complex and changing sector, the gas turbine community can meet a range of these challenges by developing highly accurate, computationally accurate and efficient diagnostic and warning systems to assess engine health.Recent studies have shown that monitoring engine gas path performance remains the cornerstone for making informed decisions in the operation and maintenance of gas turbines.Describes a newly developed engine performance monitoring methodology, diagnostic and forecasting techniques.The inception of performance monitoring and its evolution over time, the techniques used to generate a high-quality dataset using adaptive engine model performance, and the effects of computational intelligence techniques on enhancing the implementation of engine fault diagnosis are reviewed.Furthermore, recent developments in alarm technologies designed to enhance the maintenance decision-making scheme and the main causes of gas turbine performance degradation are discussed to facilitate the identification of unit faults.Gas turbine diagnostics and forecasts are one of the most important key technologies to enable the transition from scheduled maintenance to maintenance status in order to improve engine reliability and availability and reduce life cycle costs to organize, evaluate and identify patterns and trends in the literature as well as identify research gaps and recommend new research areas in the field of gas turbine performance-based monitoring.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 GPT0,285
Écart entre enseignants0,256 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal Européen des Systèmes AutomatisésMême sujetAdvanced Power Generation TechnologiesTravaux en français237 207