MétaCan
Menu
Retour à la cohorte
Enregistrement W4386250772 · doi:10.18280/ijsdp.180820

Improving the Maintainability and Reliability in Nigerian Industry 4.0: Its Challenges and the Way Forward from the Manufacturing Sector

2023· article· en· W4386250772 sur OpenAlexvenueno aff
Imhade P. Okokpujie, Lagouge K. Tartibu, Ben Henry Omietimi

Notice bibliographique

RevueInternational Journal of Sustainable Development and Planning · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueDigital Transformation in Industry
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMaintainabilityReliability (semiconductor)Manufacturing sectorReliability engineeringBusinessRisk analysis (engineering)ManufacturingManufacturing engineeringEngineeringComputer scienceMarketingEconomics

Résumé

récupéré en direct d'OpenAlex

Due to the high demand for quality goods and products, most manufacturing industries run their equipment and manufacturing teams more than expected to meet the demands.However, they do not regularly conduct maintenance and reliability checks to ascertain the industry's well-being.Operating their manufacturing systems and processes to achieve the requisite production rates of high-quality goods is a constant challenge for manufacturing industries in Nigeria due to a need for maintainability.To improve performance, this paper recently reviewed Nigeria's manufacturing industries' maintainability and reliability.The study examined articles that cut across, Maintainability scheduling in the production system with the analysis of Industry 4.0 Technologies, the reliability optimisation in the manufacturing industry in Nigeria, and the effects of sustainable maintainability and reliability implementation on manufacturing systems and the sustainability issues.Furthermore, the research highlighted the manufacturing industries' challenges regarding maintainability and reliability.Some of these challenges are insecurity, lousy infrastructure, inadequate company growth plans, and irregular taxation, which affect the day-to-day running of the industry.One of the most significant issues facing the manufacturing sector today is inventory management; nonetheless, many small manufacturers still manage their stocks by hand.Furthermore, this study provides possible suggestions for a sustainable way forward for these identified problems.Nigerian manufacturing industries might adopt Industry 4.0 technology, which will assist in successfully adopting total preventive maintenance as a strategy and culture.This article recommends a maintenance culture in the manufacturing industry.It also recommends self-auditing and benchmarking as ideal preconditions for total productive maintenance.

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 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)0,002
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,554
Score d'incertitude au seuil0,270

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,016
Tête enseignante GPT0,225
Écart entre enseignants0,208 · 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 tête enseignante, 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

Citations5
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Sustainable Development and PlanningMême sujetDigital Transformation in IndustryTravaux en français237 207