MétaCan
Menu
Retour à la cohorte
Enregistrement W2143360816 · doi:10.24908/pceea.v0i0.3956

SUBSTRUCTURE COUPLING WITH JOINT IDENFICATION FOR RECONFIGURABLE MANUFACTURING SYSTEMS

2011· article· en· W2143360816 sur OpenAlexaffvenue
Ji-Yong Chae, S. S. Park, Sheng Lin

Notice bibliographique

RevueProceedings of the Canadian Engineering Education Association (CEEA) · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced machining processes and optimization
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésSubstructureJoint (building)Modular designDegrees of freedom (physics and chemistry)Computer scienceCoupling (piping)FastenerFinite element methodIdentification (biology)Universal jointConvergence (economics)AlgorithmMechanical engineeringControl engineeringEngineeringStructural engineeringPhysics

Résumé

récupéré en direct d'OpenAlex

Today’s manufacturing industries require rapid production of small batch sized products with great accuracy and productivity. When compared with traditional dedicated systems, reconfigurable manufacturing systems (RMS) offer rapid change in system configurations, machines and controls to adjust to flexible demands. This can be achieved by combining modular substructures together with different functionalities depending on requirements. In this study, a method of assembling the known dynamics of substructures is investigated through the receptance coupling approach. The classical receptance technique is enhanced by identifying the joint dynamics between substructures through experimental and finite element (FE) analyses. This identification method also includes the translational and rotational degrees of freedom responses, which represent the mass, spring, and damping elements of the joint. The determination of rotational responses can be very challenging, and the proposed method solves the rotational responses with two separate experimental measurements using gauge tools. This novel identification method overcomes the limitations posed by other identification methods, by minimizing numerical errors and problems associated with convergence. Experimental tests, using a fastener joint, were performed to verify the effectiveness of the joint identification method.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,354
Score d'incertitude au seuil0,593

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 Opus0,010
Tête enseignante GPT0,175
Écart entre enseignants0,165 · 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

Citations1
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of the Canadian Engineering Education Association (CEEA)Même sujetAdvanced machining processes and optimizationTravaux en français237 207