MétaCan
Menu
Retour à la cohorte
Enregistrement W2066445269 · doi:10.1115/esda2014-20520

Cutting Tools Offset in Lathe Machines Using a Modern Heuristic Technique

2014· article· en· W2066445269 sur OpenAlexaff
Dhafar Al-Ani, Saeid Habibi

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueMetallurgy and Material Forming
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésOffset (computer science)Particle swarm optimizationComputer scienceStepperHeuristicMachine toolOptimal controlControl engineeringMathematical optimizationControl theory (sociology)AlgorithmEngineeringControl (management)MathematicsArtificial intelligenceMechanical engineering

Résumé

récupéré en direct d'OpenAlex

In this paper, an optimal control strategy (i.e., offset settings system) based on the new Multi-objective Particle Swarm Optimization with Differential Evolution (MOPSO-DE) technique is developed and presented. The MOPSO-DE algorithm is used for calculating the optimal positions (i.e., offset settings) for the cutting tools in lathe machines. This optimal control strategy yields interesting results without a need to go through the complex mathematical modeling of the lathe system. The proposed technique is validated considering a real-world industrial system. This strategy is designed to take an action every 20 pieces, and it takes only 2.5 sec to run the code and optimally calculate the new settings. The control strategy is implemented using two high precision linear stepper motors. By implementing the new optimal control strategy, the estimated number of the defective pieces per day can be reduced by 85%.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,886
Score d'incertitude au seuil0,344

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 Opus0,018
Tête enseignante GPT0,229
Écart entre enseignants0,211 · 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'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
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMetallurgy and Material FormingTravaux en français237 207