MétaCan
Menu
Retour à la cohorte
Enregistrement W2571368214 · doi:10.4224/23000318

Rolling contact fatigue: a comprehensive review

2011· review· en· W2571368214 sur OpenAlexvenueno aff
Eric Magel

Notice bibliographique

RevueNPARC · 2011
Typereview
Langueen
DomaineEngineering
ThématiqueGear and Bearing Dynamics Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComputer science

Résumé

récupéré en direct d'OpenAlex

Rolling contact fatigue (RCF) is a pervasive and insidious problem on all types of railway systems. Although it is a dominant cause of maintenance and replacements on heavy haul rail lines, it is also a significant economic and safety challenge for commuter and metro lines. It is a subject of intense research around the globe, with strong academic research being undertaken in Europe particularly, with more practical work being performed in Australia, South Africa, and North America. The safety implications of RCF include being responsible for about 100 FRA reportable derailments annually in North America. The poster child for hazardous RCF is the Hatfield derailment in the United Kingdom, which incurred four deaths, 39 injuries, and economic fallout easily exceeding GBP1 billion, dismemberment of the railway authority and manslaughter charges against several railway officials. The economic implications of RCF to the North America railway industry for rail replacement alone amounts to over USD300 million annually, with costs of inspection and derailments, as well as damage to track and rolling stock, and derailment costs further increasing that number. Of the USD100+ million dollars spent annually on rail grinding in North America, at least ≥30 percent can be attributed to RCF. A review of the types or RCF defects on wheels and rails, causal mechanisms and monitoring and maintenance practices has been undertaken for the purpose of identifying gaps and the most pressing areas for research and development.

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)0,002
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0060,006
Études des sciences et des technologies0,0000,000
Communication savante0,0020,002
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,002

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 Opus0,072
Tête enseignante GPT0,298
Écart entre enseignants0,226 · 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
GenreSynthèse

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

En bref

Citations70
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNPARCMême sujetGear and Bearing Dynamics AnalysisTravaux en français237 207