MétaCan
Menu
Retour à la cohorte
Enregistrement W1979801579 · doi:10.1108/13552541311302923

Method to obtain hybrid rapid tools with elementary component assembly

2013· article· en· W1979801579 sur OpenAlexaff
Mickaël Rivette, Pascal Mognol, Jean-Yves Hascoët

Notice bibliographique

RevueRapid Prototyping Journal · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueManufacturing Process and Optimization
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésComponent (thermodynamics)Computer scienceAssembly modellingCADDesign for assemblyProcess (computing)SoftwareManufacturing engineeringConstruct (python library)Engineering drawingProduct (mathematics)GraphIndustrial engineeringEngineeringDesign for manufacturabilityMechanical engineeringMathematicsTheoretical computer scienceProgramming language

Résumé

récupéré en direct d'OpenAlex

Purpose The purpose of this paper is to propose a method to obtain hybrid rapid tools with elementary component assembly. Design/methodology/approach The authors' method proposes a functional representational model, starting with the product features, analyzed from three points of view: a feasibility analysis; a manufacturing analysis; and an assembly and synthesis analysis. This method, based on CAD STEP AP‐224 data, makes it possible to obtain an exhaustive list of solutions for the module. The work is illustrated with an industrial example. To construct the Assembly Identity Card (AIC) and test the various parameters that influence the quality of the injected parts, a hybrid injection mold has been produced. The methodology associated with the use of this AIC uses a “representation graph”, which makes it possible to propose a set of valid solutions for assembling the various tooling modules. This method is validated by industrial example. Findings The product part is decomposed into a multi‐component prototype (MCP), instead of being made as a single part, which optimizes the manufacturing process and enables greater reactivity during the development of the product. Research limitations/implications The final goal is to propose a software assistant used in association with CAD system during the design of hybrid rapid tooling. An important work concerning the features recognition must be implemented. The assembly of the different parts of the hybrid rapid tooling must be considered and optimized. Practical implications This method allows the selection of the best process technologies from manufacturing tools. Originality/value The analysis of manufacturing hybrid rapid tooling has not been studied previously.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0100,004

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 Opus0,014
Tête enseignante GPT0,236
Écart entre enseignants0,222 · 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
GenreMéthodes

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

En bref

Citations3
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRapid Prototyping JournalMême sujetManufacturing Process and OptimizationTravaux en français237 207