MétaCan
Menu
Retour à la cohorte
Enregistrement W4404243408 · doi:10.3390/buildings14113583

Reliability-Centric Maintenance Planning for Bridge Infrastructure: A Novel Method Based on Improved Electric Fish Optimization

2024· article· en· W4404243408 sur OpenAlexaboutno aff
Yiming Wang, Yuxin Wang, Jun-sheng Ni, Haodong Zhang

Notice bibliographique

RevueBuildings · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueNon-Destructive Testing Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBridge (graph theory)Reliability (semiconductor)Reliability engineeringFish <Actinopterygii>Computer scienceEngineeringMedicineBiologyFisheryPhysics

Résumé

récupéré en direct d'OpenAlex

Bridge infrastructure provides an important effect on contemporary transportation networks, and its upkeep is significant for ensuring public safety and reducing economic impacts. Nevertheless, the aging and degradation of bridge structures present considerable challenges for asset managers, who must navigate the necessity of maintenance against constrained financial resources. Conventional maintenance approaches typically emphasize reactive repairs, which can result in elevated lifecycle expenses and risk structural integrity. This paper introduces an innovative framework aimed at optimizing bridge maintenance expenditures while maintaining structural safety. The proposed methodology incorporates a reliability-based deterioration model, an intervention effect model, a financial model, and an optimization model empowered by an Improved Electric Fish Optimization (IEFO) algorithm. The framework is demonstrated through a case study of a reinforced bridge framework designed according to the standards of Canadian highway bridge design. The findings illustrate that the proposed methodology can substantially lower lifecycle costs by investigating the most economical maintenance strategies, including minor repairs that can postpone the necessity for expensive major interventions. The optimal scenario identified by the IEFO algorithm yielded lower equivalent uniform annual costs in comparison with the traditional scenario focused solely on major repairs. This research advances the field of data-driven maintenance planning for bridge infrastructure, empowering asset managers to make well-informed decisions that effectively balance cost and safety considerations.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,011
Tête enseignante GPT0,268
Écart entre enseignants0,257 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

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

En bref

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBuildingsMême sujetNon-Destructive Testing TechniquesTravaux en français237 207