Reliability-centrified maintenance model (rcm) for the kalmar ottawa 4x2 traffic fleet from the company puerto de barranquilla
Bibliographic record
Abstract
La empresa Puerto de Barranquilla es un puerto multipropósito que se encarga del almacenamiento, movilización, inspección y despacho de diferentes tipos de carga tales como contenedores, gráneles sólidos y líquidos, carga general y coque, para ello cuenta con una amplia gama de equipos (maquinaria pesada y sistema granelero). La operación de movilización de los contenedores hasta el patio de contenedores es una de las más críticas, debido a que una demora de tiempo en esta etapa del proceso, puede ocasionar el retraso del buque en muelle, representando multas económicas para el Puerto y por ende atrasos en las etapas siguientes, las cuales se ven reflejadas en quejas del usuario final. Actualmente los tracto-camiones presentan fallas continuas (mecánicas, hidráulicas, eléctricas, etc), las cuales se reflejan en la baja disponibilidad y confiabilidad de los equipos que afectan el rendimiento de la operación. Dichas fallas se deben a la carencia de un plan de mantenimiento basado en los manuales del fabricante y en un estudio de análisis de fallas (componentes críticos). Debido a la alta competitividad que se ha venido desarrollando en este sector de la industria el Puerto de Barranquilla está en la necesidad de implementar nuevas prácticas de mantenimiento que contribuyan al aumento de la efectividad de las maquinas. Por ello surge la necesidad de realizar un estudio metodológico de mantenimiento centrado en confiabilidad que permita mejorar los indicadores de disponibilidad y confiabilidad de los equipos y además que reduzca los tiempos improductivos y los costos de mantenimiento.
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.002 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 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".