Retour d'expérience et évaluation de stratégies de maintenance
Bibliographic record
Abstract
Les stratégies de maintenance et leur évaluation, souvent déclinées dans la littérature, demeurent une préoccupation forte des entreprises dans la mesure où les enjeux économiques sous-tendus par l'activité de maintenance sont énormes. Le travail présenté dans cet article aborde la problématique d'évaluation des stratégies de maintenance sous l'angle du retour d'expérience. Une analyse statistique est faite à partir de l'examen des formes de distribution du taux de réparation. Les lois résultant de la mise en place d'une stratégie de maintenance donnée sont, en effet, révélatrices de la pertinence des choix à la base de cette stratégie. Une décomposition du processus de réparation en phases permet de mieux localiser l'influence des paramètres représentatifs de la stratégie. L'analyse des formes de distribution de chaque phase élémentaire constitue alors autant d'indicateurs de la performance d'ensemble de la stratégie étudiée.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.020 | 0.058 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".