Enhancing the Reliability of Urea Pumps in Fertilizer Production Lines through Exponential Reliability Analysis
Notice bibliographique
Résumé
This research aimed at improving the reliability of the urea pump of a fertilizer production line at Urea Plant of Notore Chemical Industry Limited, Onne, Rivers State, Nigeria, using reliability exponential analysis.The investigation of the constraints associated with the performance of the fertilizer production line by analysis of maintenance log revealed that the pump was the most frequently failed critical component. Failure data of the urea pump, evaporator, scrubber and condenser were obtained from logged maintenance activities, which were used to carry out reliability analysis using exponential failure distribution model for a period of five years (2014 to 2018). Thereafter, triple redundancy was introduced to have enhance a balanced pressure and act as backup when failure occurs and consequently prevent breakdown. Also, a pressure monitors with an alarm system had been installed for immediate switchover to avoid sudden breakdown and equally reduce change over time prior to corrective maintenance. Results of reliability analysis carried out showed that reliability decreased from 64% to 30% from 2014 to 2018. However, after improvement strategies with redundant pumps, reliability for each year improved thus, 2014, 22%, 2015 35%, 2016, 36%, 2017, 35%, 2018, 34% respectively. This gives an average of 32.4% increase across the years. Conclusively, Preemptive maintenance strategy was adopted by planning maintenance schedule to coincide with idling time or shut down period to minimize losses from breakdown or corrective 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 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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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) | 0,001 | 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 ».