MétaCan
Menu
Retour à la cohorte
Enregistrement W2150972938 · doi:10.1109/icma.2006.257394

Application of the Mechatronic Design Quotient (MDQ) for Intelligent Design and Evolutionary Design of Mechatronic Systems

2006· article· en· W2150972938 sur OpenAlexaff
Clarence W. de Silva

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueMechatronics Education and Applications
Établissements canadiensNatural Sciences and Engineering Research Council of CanadaUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMechatronicsComputer-automated designComputer scienceAutomationArtificial intelligenceProcess (computing)Engineering design processSystems designComputational intelligenceControl engineeringIntelligent decision support systemDesign processSystems engineeringEngineeringSoftware engineeringWork in process

Résumé

récupéré en direct d'OpenAlex

Mechatronic systems are integrated electro-mechanical systems. Intelligent mechatronic systems possess computational intelligence with capabilities such as perception, learning, reasoning, and making inferences from incomplete information. A mechatronic system will consist of many different types of interconnected components and elements. The dynamic coupling between components means an accurate design of the system should consider the entire system as a whole rather than using single-criterion and sequential design methodologies, which are traditional. However, in view of the system complexity, it is difficult to adopt a "wholistic" approach in practice. The presentation will explore a multi-criteria and concurrent approach to mechatronic design and evaluation. A design formulation and criteria based on the concepts of mechatronic design quotient (MDQ) will be introduced for this purpose. Human experience on mixed systems and interactions between criteria will be taken into account by applying techniques of soft computing for the aggregation of criteria. The use of artificial intelligence and evolutionary computing in the design of mechatronic systems may be viewed as an attempt to mimic "natural" intelligent design and "natural" evolution of a biological system (e.g., human), albeit in a greatly simplified form. The talk will address these concepts as well. In particular, intelligent design is applicable when human intelligence is used in the design process. On the other hand, evolutionary design is applied when evolutionary computing is used in the design process. Several industrial applications of intelligent mechatronics have been designed and developed in the Industrial Automation Laboratory under the direction of the speaker.

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)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,019
Tête enseignante GPT0,223
Écart entre enseignants0,204 · 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'étudeThéorique ou conceptuel
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
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMechatronics Education and ApplicationsTravaux en français237 207