Integrated Production, Quality and Inspection Optimization Models for Production Systems with Delayed Failure
Notice bibliographique
Résumé
<p>Businesses are expected to meet customers’ demands, including high-quality products and timely deliveries. However, in practice, production lines are subject to unforeseen events (i.e., failures), which affect production efficiency. Despite several attempts in the literature, there is still a need for models that can minimize those issues. This dissertation contains different optimization models that can help managers deal with various unexpected events and keep manufacturing firms competent and efficient.</p> <p>In the first contribution (Chapter 2), the case of failures in a single machine production machine is considered. The machine’s failures are described using a two-stage delay time model. The model integrates the machine’s condition, inspection policy, and maintenance actions in a recursive equation to obtain the total expected makespan and production cost. The developed model helps managers reduce the number of failures and resource waste due to failure downtime.</p> <p>In the second contribution (Chapter 3), we consider the possibility of performing minimal repair or replacement depending on the machine's age and investigate how the scheduling decisions are impacted accordingly. Several managerial insights are provided regarding the amount of investment in a maintenance operation depending on the machine's failure characteristics and inspection policy.</p> <p>In Chapter 4, a parallel-machine scheduling problem is studied, in which decisions about inspection and production schedules are made based on the machines' stochastic failure process. The identical parallel machines are exposed to a two-stage delay time model (DTM). Due to the large-size configuration of the solution space for this problem, a branch and bound algorithm is used for optimization.</p> <p>Finally, in Chapter 5, we use the direct effect of a machine's health condition as one of the significant factors that cause non-conforming products. The DTM is used as an opportunity to perform periodic quality inspections of the products and to detect a higher than acceptable level of non-conformity, which is an indicator of a defective machine. We formulate the effects of the machine's condition, inspection, and maintenance activities on the proportion of non-conforming products. Apart from product quality control, inspection is also used to assess the machine's condition and perform a maintenance action, if required.</p>
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».