MétaCan
Menu
Retour à la cohorte
Enregistrement W2109662316 · doi:10.1243/09544089jpme298

Improved interval-fuzzy quadratic programming for management of filters in a fluid power system under uncertainty

2010· article· en· W2109662316 sur OpenAlexaff
Songlin Nie, Zhiying Hu, Yongping Li, Guohe Huang

Notice bibliographique

RevueProceedings of the Institution of Mechanical Engineers Part E Journal of Process Mechanical Engineering · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueWater resources management and optimization
Établissements canadiensUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésFuzzy logicQuadratic programmingInterval (graph theory)Filter (signal processing)EngineeringControl theory (sociology)Mathematical optimizationReliability engineeringComputer scienceControl (management)Mathematics

Résumé

récupéré en direct d'OpenAlex

An improved mathematic model of management of filters in a fluid power system (FPS) under uncertainty was developed in this article based on the former hybrid optimization method. The model integrated the interval-fuzzy quadratic programming model into an improved model of contaminant control for the selection of filters finenesses, the estimation of service life of pumps, and replacement strategies of filters in an FPS under uncertainty. The fuzzy quadratic optimization approach was used in the model to handle the uncertainties existing not only in the contaminant holding capacity, but also in the contamination level and contaminant sensitivity. The integrated model has been applied in a case of selecting filter fineness and planning allocation and replacement strategies under uncertainty for an FPS with bypass filtration circuit. All of the scenarios with available filter fineness have been examined. The generated decision alternatives can help decision makers to identify desired policies for contamination control under various total costs, satisfaction degrees, and system-failure risks under different contaminant ingression/generation rates.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
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 seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,008
Tête enseignante GPT0,212
Écart entre enseignants0,203 · 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

Citations2
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Institution of Mechanical Engineers Part E Journal of Process Mechanical EngineeringMême sujetWater resources management and optimizationTravaux en français237 207