MétaCan
Menu
Retour à la cohorte
Enregistrement W2059996122 · doi:10.1145/1878537.1878700

Simulation of three dimensional elevator system using cell-DEVS formalism

2010· article· en· W2059996122 sur OpenAlexaff
Mohammad Moallemi, Ali Arya, Gabriel Wainer

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueTraffic control and management
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésElevatorDEVSFormalism (music)Computer scienceModeling and simulationDiscrete event simulationCollisionSimulationComplex systemControl engineeringEngineeringAerospace engineeringArtificial intelligenceProgramming language

Résumé

récupéré en direct d'OpenAlex

Complex physical systems have been studied for many years using different approaches. Skyscraper building heights are restricted by the design limitations of their elevator systems. Long cable elevator systems will cause stretch because of their own weight. A newer technology is electromagnetic elevators that are able to travel in three dimensions and have no limitation on their height. M&S (Modeling and Simulation) methodologies and tools provide means for cost-effective validity analysis for designing complex physical and mechanical systems. Cell-DEVS is a formal methodology for cell-divided models based on DEVS (Discrete Event System Specifications) formalism. In this work, a cellular simulation model is used to model a three dimensional elevator system in a tall building with huge occupied area. The model defines appropriate rules for cells to control the elevators moving in different directions, while applying certain regulations to their movement to avoid collisions. Path finding and collision avoidance strategies are used to simulate an applicable system. We present the elevator model specifications, simulation design and discuss different simulation scenarios.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,009
Tête enseignante GPT0,193
Écart entre enseignants0,184 · 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'étudeSimulation ou modélisation
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

Citations0
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetTraffic control and managementTravaux en français237 207