MétaCan
Menu
Retour à la cohorte
Enregistrement W2124704652 · doi:10.1115/1.1829728

A Model-Based Formulation of Robust Design

2005· article· en· W2124704652 sur OpenAlexafffund
Khalid Al-Widyan, Jorge Angeles

Notice bibliographique

RevueJournal of Mechanical Design · 2005
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueOptimal Experimental Design Methods
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésRobustness (evolution)Design matrixProbabilistic designComputer scienceDesign of experimentsNorm (philosophy)IsotropyMathematical optimizationMathematicsEngineering design processEngineeringMachine learningRegression analysisStatistics

Résumé

récupéré en direct d'OpenAlex

Laid down in this paper are the foundations on which the design of engineering systems, in the presence of an uncontrollable changing environment, can be based. The changes in environment conditions are accounted for by means of robustness. To this end, a theoretical framework as well as a general methodology for model-based robust design are proposed. Within this framework, all quantities involved in a design task are classified into three sets: the design variables (DV), grouped in vector x, which are to be assigned values as an outcome of the design task; the design-environment parameters (DEP), grouped in vector p, over which the designer has no control; and the performance functions (PF), grouped in vector f, representing the functional relations among performance, DV, and DEP. A distinction is made between global robust design and local robust design, this paper focusing on the latter. The robust design problem is formulated as the minimization of a norm of the covariance matrix of the variations in PF upon variations in the DEP, aka noise in the literature on robust design. Moreover, one pertinent concept is introduced: design isotropy. We show that isotropic designs lead to robustness, even in the absence of knowledge of the statistical properties of the variations of the DEP. To demonstrate our approach, a few examples are included.

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)0,004
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,002
Communication savante0,0020,001
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,384
Tête enseignante GPT0,447
Écart entre enseignants0,063 · 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

Citations40
Publié2005
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Mechanical DesignMême sujetOptimal Experimental Design MethodsTravaux en français237 207