MétaCan
Menu
Retour à la cohorte
Enregistrement W2016351089 · doi:10.1109/mia.2003.1176457

Reliability Methodologies Applied to the IEEE Gold Book Standard Network

2003· article· en· W2016351089 sur OpenAlexaff
D.O. Koval, Xinlie Zhang, J.E. Propst, Robert Arno, R. S. Hale

Notice bibliographique

RevueIEEE Industry Applications Magazine · 2003
Typearticle
Langueen
DomaineEngineering
ThématiquePower System Reliability and Maintenance
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésReliability (semiconductor)Reliability engineeringKey (lock)Component (thermodynamics)Computer sciencePoint (geometry)EngineeringSet (abstract data type)Power (physics)

Résumé

récupéré en direct d'OpenAlex

Several key reliability indices for industrial and commercial customers are a knowledge of the reliability and the frequency and duration of load point interruptions within their electrical power system networks at their facilities. A reliable equipment data source is key to an accurate analysis. Data sources, such as The IEEE Gold Book provide the user with the necessary data parameters to evaluate the reliability of industrial and commercial power system network configurations. An accurate understanding of component reliability and maintenance actions will provide the necessary availability indices for a reliability analysis approach. This paper discusses The IEEE Bold Book Standard Network and three reliability models: spreadsheet reliability model; GO software tool; and minimal cut-set reliability analysis methodology.

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)0,003
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,008
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,001
Communication savante0,0020,003
Science ouverte0,0020,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0080,004

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 Opus0,026
Tête enseignante GPT0,268
Écart entre enseignants0,242 · 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'étudeSans objet
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

Citations23
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Industry Applications MagazineMême sujetPower System Reliability and MaintenanceTravaux en français237 207