MétaCan
Menu
Retour à la cohorte
Enregistrement W2055212220 · doi:10.1115/detc2004-57656

A Framework for Integrated Computer-Aided Design, Process Planning and Manufacturing Systems Engineering for Powertrain Machining

2004· article· en· W2055212220 sur OpenAlexaff
Derek Yip‐Hoi, Jianming Li, Liang Zhou, Wencai Wang, Madhumati Ramesh, Samba Subramanian, Steve Swisher

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueManufacturing Process and Optimization
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesFord Motor CompanyNational Science Foundation
Mots-clésPowertrainManufacturing engineeringComputer-aided process planningConcurrent engineeringAutomotive industryProcess (computing)Computer Aided DesignEngineeringKey (lock)Computer-aidedProduct designComputer-integrated manufacturingProduct (mathematics)CADComputer-aided manufacturingSystems engineeringEngineering design processComputer scienceMachiningEngineering drawingMechanical engineeringProcess engineeringProcess integration

Résumé

récupéré en direct d'OpenAlex

Machined powertrain components are a subset of machined parts that introduce unique and difficult problems to product design, process planning and manufacturing system design for the automotive industry. They are complex, high value-added components that must be produced at large volumes to stringent quality standards. Accordingly product development cycles are typically long. Integrated computer-aided approaches are thus desirable for reducing this time and helping manufacturing engineers design the best process and specify the optimal manufacturing system configuration. This paper presents a framework for integrating Computer-Aided Design (CAD), Computer-Aided Process Planning (CAPP) and Computer-Aided Manufacturing Systems Engineering (CAE-MS) for producing machined powertrain components. It describes the key components of this framework and in some cases details of the methods and technologies adopted for their realization. This solution is based upon a feature-centric philosophy. This stands in contrast to the product-variant approach that has been common practice in this industry.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,596
Score d'incertitude au seuil1,000

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 Opus0,019
Tête enseignante GPT0,245
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.

Devis d'étudeSimulation ou modélisation
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

Citations2
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetManufacturing Process and OptimizationTravaux en français237 207