MétaCan
Menu
Retour à la cohorte
Enregistrement W1534440635 · doi:10.4271/2009-01-1605

Fuel Consumption Tests for Evaluating the Accuracy and Precision of Truck Engine Electronic Control Modules to Capture Fuel Data

2009· article· en· W1534440635 sur OpenAlexafffund
Marius-Dorin Surcel, Jan Michaelsen

Notice bibliographique

RevueSAE technical papers on CD-ROM/SAE technical paper series · 2009
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicle emissions and performance
Établissements canadiensFPInnovations
Organismes subventionnairesNatural Resources CanadaFPInnovationsTransport Canada
Mots-clésTruckFuel efficiencyAutomotive engineeringComputer scienceConsumption (sociology)Control (management)EngineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

<div class="htmlview paragraph">Many trucking fleets and organizations are extensively using truck onboard computers (OBC) to gather fuel consumption data from truck engines' Electronic Control Modules (ECM). This study aimed to assess the accuracy and the precision of truck engine control module concerning the fuel consumption data.</div> <div class="htmlview paragraph">The testing methodology evaluated the fuel consumption data provided by the ECM using test track and road fuel consumption tests, short-term operational observation, long-term operational observation and engine dynamometer tests. ECM data were retrieved using either onboard computers (OBC) or engine scan tools. Test track and road tests were mainly intended to evaluate the precision of ECM data for short distances, between 60 and 100 km. More than 220 test runs totalizing 22,000 km were conducted using 23 test vehicles. Short-term operational observation monitored a total of 77 vehicles on 305,000 km and long-term operational observation considered periods between 16 and 43 days, with total distance of 105,000 km</div> <div class="htmlview paragraph">For short distances (less than 100 km), similar engines presented different levels of precision and accuracy. The majority of the tested vehicles showed acceptable precision but for some tests, the accuracy was unsatisfactory. Short-term and long-term operational observations showed satisfactory accuracy and precision. ECM data precision and accuracy vary among engine manufacturers and among engine models from a single manufacturer. ECM accuracy and precision are more reliable when averaging over longer periods or with a larger number of tests or trips. Therefore, it is risky to use ECM fuel data alone for evaluating the impact of a technology or practice. ECM data should always be completed with other available information, such as fleet fuel records. ECM fuel data might be used for long-term operational observations when expected fuel improvements are at least 5%.</div>

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,977
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,027
Tête enseignante GPT0,306
Écart entre enseignants0,279 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSAE technical papers on CD-ROM/SAE technical paper seriesMême sujetVehicle emissions and performanceTravaux en français237 207