MétaCan
Menu
Retour à la cohorte
Enregistrement W2577874402 · doi:10.5555/3042094.3042459

A Bayesian inference based simulation approach for estimating fraction nonconforming of pipe spool welding processes

2016· article· en· W2577874402 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueWinter Simulation Conference · 2016
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueProbabilistic and Robust Engineering Design
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMonte Carlo methodFraction (chemistry)Process (computing)WeldingComputer scienceScheduleBayesian inferenceReliability (semiconductor)InferenceProcess variableEngineeringBayesian probabilityReliability engineeringMechanical engineeringArtificial intelligenceMathematicsStatistics

Résumé

récupéré en direct d'OpenAlex

Pipe spool fabrication is the most vital process to the successful delivery of industrial construction project. Due to the various combinations of pipe attributes in terms of Nominal Pipe Size (NPS), Pipe Schedule, and material, it is hard for practitioners to estimate the pipe welding quality performance based on the available historical data. This paper aims to develop a Bayesian Inference based simulation approach to assist making good estimates of welds fraction nonconforming for proposing a new project to clients. In this proposed approach, the pipe welding inspection process is first modeled as a Bernoulli process. Utilizing the tracked historical inspection data, Jeffreys Intervals are estimated for determining the distributions of welds fraction nonconforming. These distributions can serve as the inputs for Monte Carlo Simulation to incorporate uncertainties for fabricators' decision-making process. The simulation results demonstrate good reliability and accuracy compared to the actual project welds repair rates.

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.

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)0,001
score de la tête « metaresearch » (Gemma)0,017
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,829
Score d'incertitude au seuil0,991

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,017
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 savante0,0000,001
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 Opus0,128
Tête enseignante GPT0,381
Écart entre enseignants0,252 · 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