MétaCan
Menu
Retour à la cohorte
Enregistrement W4412178050 · doi:10.1038/s41598-025-10164-1

Quality assurance through truncated life tests under the Lomax distribution

2025· article· en· W4412178050 sur OpenAlexaff
Aafaq A. Rather, Ahmed R. El‐Saeed, Danish Qayoom, Zahoor Ahmad, H. E. Semary, Getachew Tekle Mekiso, Eslam Hussam, Ahmed M. Gemeay

Notice bibliographique

RevueScientific Reports · 2025
Typearticle
Langueen
DomaineMathematics
ThématiqueStatistical Distribution Estimation and Applications
Établissements canadiensHotel Dieu Hospital
Organismes subventionnairesAl-Imam Muhammad Ibn Saud Islamic University
Mots-clésQuality assuranceLomax distributionComputer scienceStatisticsMathematicsOperations managementPareto distributionEngineering

Résumé

récupéré en direct d'OpenAlex

Sampling inspection plan is a valuable tool used across industries to ensure product quality, comply with regulatory standards, and maintain cost efficiency in quality control processes. To check for defects in the products during production, a batch of goods produced may be inspected through sampling to decide whether to accept or reject the entire batch based on the quality level of the sample. In this study we develop acceptance sampling plans based on truncated life tests utilizing the Lomax distribution. The study analyzes different parameters of the Lomax distribution to determine the minimum sample sizes necessary for evaluating the quality of lots or production processes. Additionally, we calculate the operating characteristic function values and establish the minimum ratio of the true mean life to the specified mean life of the product, taking into account the risks faced by both consumers and producers with our proposed sampling method. The effectiveness of these sampling plans is demonstrated through their application to real-world data, assessing their practical utility in quality evaluation.

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)0,018
score de la tête « metaresearch » (Gemma)0,080
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,096

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0180,080
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,002
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,088
Tête enseignante GPT0,413
Écart entre enseignants0,326 · 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'étudeThéorique ou conceptuel
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

Citations4
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetStatistical Distribution Estimation and ApplicationsTravaux en français237 207