MétaCan
Menu
Retour à la cohorte
Enregistrement W2603174655

Evaluating subassembly stability using stability directed subgraphs

2014· article· en· W2603174655 sur OpenAlexaff
Luc Laperrière, André Lavoie

Notice bibliographique

RevueJournal of Computer Applications in Technology · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueManufacturing Process and Optimization
Établissements canadiensUniversité du Québec à Trois-Rivières
Organismes subventionnairesnon disponible
Mots-clésDirected graphStability (learning theory)GraphInduced subgraph isomorphism problemSubgraph isomorphism problemGraph factorizationComputer scienceMathematicsCombinatoricsAlgorithmLine graphGraph powerVoltage graph
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This paper presents a graph–theoretic approach to compute the degree of stability of the subassemblies formed during assembly sequence generation in Computer–Aided Assembly Planning (CAAP). A first stage of the approach builds a connected stability directed graph, which is a subgraph of the complete graph representation of the product. Vertices of this directed subgraph are the produc's parts and directed edges show explicitly which parts are stabilised by which other. The concept of stability matrices, also described in this paper, is used by an algorithm that builds the stability directed subgraph. Once the stability directed subgraph has been constructed, the new information that it contains can be processed in order to estimate subassembly's stability. In particular, by mapping every possible disassembly operation to every possible cut in the stability directed subgraph, the stability of the newly generated subassemblies can be estimated from an analysis of the direction and number of broken directed arcs in the cut. Examples of application of the model to investigate potential stability problems at assembly time is also presented.

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)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,026
Tête enseignante GPT0,284
Écart entre enseignants0,258 · 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'étudeSimulation ou modélisation
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

Citations5
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Computer Applications in TechnologyMême sujetManufacturing Process and OptimizationTravaux en français237 207