MétaCan
Menu
Retour à la cohorte
Enregistrement W1796248169 · doi:10.1520/stp11054s

In-Situ Dew-point Measurement to Assess Life Span of Insulating Glass Units

2002· book-chapter· en· W1796248169 sur OpenAlexaffabout
G. R. Torok, W Lichtenberger, Angela M. Major

Notice bibliographique

Revuenon disponible
Typebook-chapter
Langueen
DomaineEngineering
ThématiqueStructural Analysis of Composite Materials
Établissements canadiensIntertek (Canada)Brockhouse Institute for Materials ResearchCanadian Rheumatology Association
Organismes subventionnairesnon disponible
Mots-clésDewDew pointIn situLife spanSpan (engineering)Materials scienceEnvironmental scienceEngineeringMeteorologyGeographyStructural engineeringGerontologyMedicine

Résumé

récupéré en direct d'OpenAlex

Replacement of insulating glass (IG) units in buildings is expensive. Replacement costs can be estimated fairly accurately. However, timing is less certain. In the author's experience, time estimates for replacement are often based on poor understanding of the causes of IG unit “failure” (water vapour condensation on glass surfaces facing the IG unit cavity) and previous negative experience, and thus are reactive rather than predictive. The life span of insulating glass units in service is not well known. Insulating glass units have been made in North America since the late 1950s. Laboratory test methods developed in Canada in the late 1950s and early 1960s, subsequently used as the basis of most IG unit test methods worldwide, were intended to assess the likelihood of successful performance through the IG unit manufacturer's warranty period, not to determine service life span. In the 1980's, based on in-situ testing for the “Field Correlation Study” by the Sealed Insulating Glass Manufacturers Association (SIGMA) in the USA, Spetz proposed that one component of the laboratory test method, dew-point measurement of cavity gas fill, could be used to estimate time to failure of IG units in service. This technique is examined in this paper and modifications are suggested to improve accuracy.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,075
Tête enseignante GPT0,231
Écart entre enseignants0,156 · 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'étudeExpérimental (laboratoire)
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

Citations1
Publié2002
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetStructural Analysis of Composite MaterialsTravaux en français237 207