MétaCan
Menu
Retour à la cohorte
Enregistrement W1591756952 · doi:10.1109/tdcllm.2003.1196466

The HQ LineROVer: contributing to innovation in transmission line maintenance

2003· article· en· W1591756952 sur OpenAlexaffabout
Serge Montambault, Nicolas Pouliot

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiquePower Line Inspection Robots
Établissements canadiensHydro-Québec
Organismes subventionnairesnon disponible
Mots-clésRemotely operated underwater vehicleReliability (semiconductor)Maintenance engineeringTransmission lineOverhead (engineering)Reliability engineeringElectric power transmissionIcingEngineeringComputer scienceTelecommunicationsElectrical engineeringRobot

Résumé

récupéré en direct d'OpenAlex

Innovations in transmission line maintenance have had a significant impact at many levels, including equipment reliability, continuity of service, inspection accuracy and efficiency, cost-effectiveness in maintenance practices, follow-up and safety. New live-line tools and methods will help utilities maintain the reliability of their aging transmission line installations in a challenging market. The HQ LineROVer was first presented as an overhead ground wire de-icing application in 2000 (ESMO conference). The prototype has since evolved into a third generation remotely operated vehicle (ROV). Many maintenance applications are now being targeted: visual and infrared inspection, evaluation of compression splice conditions (resistance measurements), replacement of conductors and ground wires (live), cleaning and de-icing of conductors. Live-line inspections have been realized on Hydro-Quebec's transmission network. Many other utilities throughout the world plan to use the ROV for their specific needs. The economic and strategic impacts of this new tool have been proven. Ongoing work on the HQ LineROVer and other ROVs will lead to the development of new live-line methods for transmission line 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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,019
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,061

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,019
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,003
Communication savante0,0050,007
Science ouverte0,0020,004
Intégrité de la recherche0,0040,002
Charge utile insuffisante (le modèle a refusé de juger)0,0090,002

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 Opus0,008
Tête enseignante GPT0,229
Écart entre enseignants0,221 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations112
Publié2003
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetPower Line Inspection RobotsTravaux en français237 207