Mass customization using hybrid manufacturing and smart assembly: An optimal configuration and platform design approach
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.
Notice bibliographique
Résumé
Hybrid Manufacturing (HM) and smart assembly stand as pivotal pillars in advanced smart manufacturing systems, offering manufacturers highly efficient and adaptable solutions for manufacturing. This paper delves into the configuration of a production line that integrates HM and assembly stages, each comprising multiple cells, with each cell housing one or more parallel stations. The objective is to manufacture a family of final assemblies, leveraging the platform concept to defer mass customization to later stages and thereby minimize processing costs. A mathematical programming model is proposed to identify the optimal configuration for such production lines, considering constraints such as an allowable capital cost and machine availabilities. In addition, the precedence, inclusion, and seclusion restrictions imposed on the part family are considered. The proposed mathematical programming model aims to delineate which HM features are processed in the part platform cell versus those processed in the mass customization (part variants) cells. Simultaneously, the model determines the components (variants from the HM stage) of final assemblies processed in the assembly platform cell, as well as components assembled or disassembled in the final assembly cells. Furthermore, the model seeks to determine the required number of stations in each cell to meet periodic demand. The overall objective of the model is to minimize the capital and the processing cost. A detailed case study illustrates the effectiveness of the proposed configuration approach and mathematical model. The proposed model is solvable in a few seconds by using commercial solvers.
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 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 | 0,001 | 0,001 |
| 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 découle