MétaCan
Menu
Retour à la cohorte
Enregistrement W1987521740 · doi:10.1243/09544054jem1472

Sequential metamodelling application to improve porthole die design

2009· article· en· W1987521740 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueProceedings of the Institution of Mechanical Engineers Part B Journal of Engineering Manufacture · 2009
Typearticle
Langueen
DomaineComputer Science
ThématiqueAdvanced Multi-Objective Optimization Algorithms
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMetamodelingKrigingDesign space explorationSet (abstract data type)Computer scienceBlack boxDifferential evolutionConceptual designEngineering design processDifferential (mechanical device)Mathematical optimizationAlgorithmData miningEngineeringMachine learningArtificial intelligenceMathematicsMechanical engineering

Résumé

récupéré en direct d'OpenAlex

The conventional trial—error method and empirical approaches are time consuming for the design of complex shaped products like porthole dies. These methods are associated with higher production costs, lower efficiency, and design inaccuracies pertaining to ambiguity and uncertainty. Owing to these deficiencies, there is a need for a more reliable and better design approach. In this article, a Kriging metamodel and differential evolution-based random simulation design methodology is proposed in order to reduce the cognitive load on the designer. The proposed methodology helps in selecting the set of parameters to be used to perform a simulation such that an improved design is delivered with reduced time and effort. The combination of the input parameters and their probable effect on the final design is evaluated and provided to the designer beforehand. This information, when juxtaposed with the designer's knowledge, gives greater opportunities to produce an optimal design. The sequential sampling strategy is used to select this set of parameters. It depends on the confidence value: a function of the design variables and the desired performance parameter. A Kriging metamodel is employed for modelling a random simulation of porthole extrusion with different influencing parameters. It converts the black-box region (no information zone in the design space) into a grey region (design space with some available information). Differential evolution (an evolutionary algorithm) is used to search for the black-box region carrying the least information in the design space. Three-dimensional extrusion of aluminium is considered in this article for designing a porthole die. The effect of variation of the design parameters is described, sampling points are generated, and the effective set of parameters are evaluated. The results obtained with the proposed sequential methodology are comparable with the simulation results presented in the literature for porthole extrusion.

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.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,602
Score d'incertitude au seuil0,642

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,011
Tête enseignante GPT0,226
Écart entre enseignants0,215 · 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