MétaCan
Menu
Retour à la cohorte
Enregistrement W2168974442 · doi:10.1504/ijcat.2006.010085

A constraint-based product configurator for mass customisation

2006· article· en· W2168974442 sur OpenAlexaff
Helen Xie, Philip Henderson, Michael Kernahan

Notice bibliographique

RevueInternational Journal of Computer Applications in Technology · 2006
Typearticle
Langueen
DomaineComputer Science
ThématiqueConstraint Satisfaction and Optimization
Établissements canadiensNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésConfiguratorComputer scienceFlexibility (engineering)Domain (mathematical analysis)Product (mathematics)Constraint (computer-aided design)Software engineeringProduct designKey (lock)Product design specificationSystems engineeringGeneralityEngineeringMathematicsOperating system

Résumé

récupéré en direct d'OpenAlex

To stay competitive, many manufacturers have to adapt their business models to mass customisation, which enables customers to order customised products tailored to their specific needs. One of the key enabling technologies for the successful implementation of mass customisation is the product configurator, a software tool that automatically generates the customised product designs based on the customer requirements and design constraints. A constraint-based product configurator has advantages of flexibility and generality in product modelling and problem solving. Its ability to deal with discrete constraints has been well studied. However, the requirement for handling numeric constraints expressed as mathematical formulas posts a new challenge. This paper proposes a constraint model for n-ary numeric constraints and effective search algorithms. It also presents a system design approach on modelling domain-specific product knowledge, integrating the domain-specific product models into generic search algorithms and presenting configuration results to the end users.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 Opus0,006
Tête enseignante GPT0,254
Écart entre enseignants0,248 · 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'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Computer Applications in TechnologyMême sujetConstraint Satisfaction and OptimizationTravaux en français237 207