PERANCANGAN BERBASIS KOMPUTER UNTUK REKAYASA PRODUK DAN PROSES KOMPLEKS
Notice bibliographique
Résumé
We enhanced DFSS Characterize and Optimize Phases to deal with multiple and functional response optimization. The enhancement basically starts with a development of functional meta-models of CAE outputs that are fast-to-compute and accurate enough within a certain design space. Having developed the multiple and functional meta-models, the influence of design variables to the functional responses are then obtained via visualization and sensitivity analysis based on Sobol's index. Multi-objective optimization is finally applied to search for design variable settings that give optimal functional responses.
 
 
 Abstract in Bahasa Indonesia : 
 
 Di artikel ini kita memperkaya fase-fase Characterize and Optimize dari design for six sigma (DFSS) methodology untuk bisa menyelesaikan rekayasa produk dan proses kompleks yang mengandung banyak respons fungsional. Pemerkayaan dimulai dengan pembangunan meta-model fungsional dari keluaran computer aided engineering (CAE) yang diperoleh lewat rancangan eksperimental. Kemudian, dilanjutkan dengan pembangunan sebuah algoritma untuk mengidentifikasi tingkat pengaruh dari variabel-variable rancangan ke respons fungsional secara visual maupun analitis. Akhirnya, optimasi multi obyektif diterapkan untuk mencari nilai-nilai variabel design yang mampu memberikan respons fungsional secara optimal dan tangguh.
 
 Kata-kunci: perancangan berbasis komputer, response fungsional.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».