MétaCan
Menu
Retour à la cohorte
Enregistrement W1994365346 · doi:10.1109/carpi.2012.6473347

Robotic polishing of turbine runners

2012· article· en· W1994365346 sur OpenAlexafffundabout
Bruce Hazel, Jean Côté, P. Mongenot, Michel Sabourin, F. Paquet

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Surface Polishing Techniques
Établissements canadiensAlstom (Canada)Hydro-Québec
Organismes subventionnairesHydro-Québec
Mots-clésWavinessPolishingSurface roughnessTurbineSurface finishProductivityMechanical engineeringMachiningTurbine bladeManufacturing engineeringComputer scienceEngineeringMaterials scienceComposite material

Résumé

récupéré en direct d'OpenAlex

This paper presents the results of a partnership between Alstom and Hydro-Québec for the development of a new factory robotic polishing process. The goal is to improve turbine efficiency by reducing surface roughness to a level that is unattainable with conventional methods. Three entire axial-flow turbines for Hydro-Québec's Sarcelle power station were polished with this new technique at the Alstom manufacturing plant in Sorel-Tracy as a pilot project between July 2010 and March 2011. The surface finish was lowered from Ra = 15 μm to Ra = 0.1 μm, and the waviness left by numerical control machining was grinded away at an overall rate of 5 h/m <sup xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">2</sup> . The reduction of surface roughness from the standard IEC recommendation of Ra=3 μm to Ra=0.1 μm resulted in a 0.5% increase in turbine efficiency. This safe, new method proves its great potential for enhanced surface finish quality, productivity and worker safety.

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 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)0,000
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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,616
Score d'incertitude au seuil0,334

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
Science ouverte0,0000,000
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 Opus0,013
Tête enseignante GPT0,239
Écart entre enseignants0,226 · 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 tête enseignante, 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

Citations11
Publié2012
Routes d'admission3
Résumé présentoui

Explorer davantage

Même sujetAdvanced Surface Polishing TechniquesTravaux en français237 207