Modelling spare part demand data using transmuted or exponentiated Poisson distribution

2018 ◽  
Author(s):  
R Jiang ◽  
Z Chen
Keyword(s):  
Poisson Distribution ◽  
Spare Part

Optimalisasi Perawatan Dan Pengoperasian Alat Keselamatan Sekoci Sebagai Penunjang Keselamatan Di Mv Kartini Baruna

2020 ◽  
Vol 2 (1) ◽  
pp. 197-202
Author(s):  
Rudiana ◽  
Rr. Retno Safitri ◽  
Retno Junita
Keyword(s):  
Spare Part ◽  
Maintenance System

Sekoci merupakan alat penolong yang dapat digunakan untuk evakuasi seluruh awak kapal karena memiliki konstruksi yang lebih kuat dari alat penolong lainnya. Masalah yang sering terjadi adalah kurang terampilnya ABK tentang perawatan dan pengoperasian sekoci yang sesuai dengan prosedur dan rendahnya  perawatan sekoci di atas MV Kartini Baruna. Kemudian tujuan penelitian ini yaitu untuk mengetahui penyebab kurang terampilnya ABK tentang perawatan dan pengoperasian sekoci yang sesuai dengan prosedur dan mengetahui penyebab rendahnya  perawatan sekoci di atas MV Kartini Baruna. Metode yang digunakan adalah deskriptif kualitatif. Dari hasil penelitian diperoleh kesimpulan bahwa faktor yang menyebabkan kurang optimalnya kinerja dari sekoci di MV. Kartini Baruna adalah kurangnya spare part, penerapan PMS (Plan Maintenance System) yang tidak sesuai ketentuan, kurang terampilnya anak buah kapal (ABK) dalam pengoperasian sekoci. Faktor yang menyebabkan perawatan lifeboat yang kurang baik terhadap crew di MV. Kartini Baruna adalah lambatnya proses pengoperasian sekoci, membahayakan keselamatan crew diatas kapal. Kemudian upaya yang dilakukan untuk mengoptimalkan perawatan terhadap lifeboat di MV.Kartini Baruna yaitu dengan menerapkan PMS (plan maintenance system) sesuai ketentuan atau panduan

Performance Comparison of Web Backend And Database: A Case Study Of Node.JS, Golang and MySQL, MongoDB

2019 ◽  
Vol 13 ◽  
Author(s):  
Faried Effendy ◽  
Taufik ◽  
Bramantyo Adhilaksono
Keyword(s):  
Response Time ◽  
Open Source ◽  
Poisson Distribution ◽  
Mobile Application ◽  
Web Applications ◽  
Performance Comparison ◽  
Memory Usage ◽  
Data Traffic ◽  
Cpu Utilization

: Substantial research has been conducted to compare web servers or to compare databases, but very limited research combines the two. Node.js and Golang (Go) are popular platforms for both web and mobile application back-ends, whereas MySQL and Go are among the best open source databases with different characters. Using MySQL and MongoDB as databases, this study aims to compare the performance of Go and Node.js as web applications back-end regarding response time, CPU utilization, and memory usage. To simulate the actual web server workload, the flow of data traffic on the server follows the Poisson distribution. The result shows that the combination of Go and MySQL is superior in CPU utilization and memory usage, while the Node.js and MySQL combination is superior in response time.

Log-Compound-Poisson Distribution Model of Intermittency in Turbulence

1998 ◽  
Vol 53 (10-11) ◽  
pp. 828-832
Author(s):  
Feng Quing-Zeng
Keyword(s):  
Energy Dissipation ◽  
Poisson Distribution ◽  
Turbulent Energy ◽  
Compound Poisson Distribution ◽  
Distribution Model ◽  
Velocity Difference ◽  
Scaling Exponents ◽  
Compound Poisson ◽  
Developed Turbulence ◽  
Experimental Values

Abstract The log-compound-Poisson distribution for the breakdown coefficients of turbulent energy dissipation is proposed, and the scaling exponents for the velocity difference moments in fully developed turbulence are obtained, which agree well with experimental values up to measurable orders. The under-lying physics of this model is directly related to the burst phenomenon in turbulence, and a detailed discussion is given in the last section.

Sign in / Sign up

Export Citation Format

Share Document