MétaCan
Menu
Retour à la cohorte
Enregistrement W2524245141 · doi:10.1299/jamdsm.2016jamdsm0076

Performance of a five-axis machine tool as a coordinate measuring machine (CMM)

2016· article· en· W2524245141 sur OpenAlexafffund
M. M. Rahman, J.R.R. Mayer

Notice bibliographique

RevueJournal of Advanced Mechanical Design Systems and Manufacturing · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Measurement and Metrology Techniques
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaConsortium de Recherche et d’innovation en Aérospatiale au Québec
Mots-clésCoordinate-measuring machineMachine toolSphericityCompensation (psychology)Position (finance)Computer scienceMachine epsilonAlgorithmArtificial intelligenceEngineeringMechanical engineeringMathematicsGeometry

Résumé

récupéré en direct d'OpenAlex

The use of machine tools for on-machine coordinate measurement on the workpiece is becoming commonplace. However, numerous errors can adversely affect the measurement accuracy. For instance, the inter-axis parameters are major contributors to the overall machine tool's inaccuracy hence estimation and compensation of such errors are prerequisite to fully exploit the machine's measurement capability. This paper presents a scheme to assess the accuracy of coordinate measurement by probing a precision sphere mounted on the machine table for different rotary axes indexations. Only the sphericity of the reference sphere is assumed and neither its size nor position. All individual probing data from all indexations are used for the assessment of the apparent out of sphericity of the reference sphere. Machine readings are processed either directly, using the machine nominal model, or using a compensated model. This provides a fast method to validate on-machine measurement before and after compensation with the exception of isotropic scale effects.

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)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,018
Tête enseignante GPT0,222
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'étudeExpérimental (laboratoire)
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
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Advanced Mechanical Design Systems and ManufacturingMême sujetAdvanced Measurement and Metrology TechniquesTravaux en français237 207