MétaCan
Menu
Retour à la cohorte
Enregistrement W2620154287 · doi:10.1109/syscon.2017.7934715

A next generation collaborative system for micro devices assembly

2017· article· en· W2620154287 sur OpenAlexaff
J. Cecil, Raviteja Gunda, Aaron Cecil-Xavier

Notice bibliographique

Revue2017 Annual IEEE International Systems Conference (SysCon) · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueManufacturing Process and Optimization
Établissements canadiensStillwater (Canada)
Organismes subventionnairesLos Alamos National LaboratoryVirginia Agricultural Experiment Station, Virginia Polytechnic Institute and State UniversityMozilla Foundation
Mots-clésThe InternetComputer scienceVirtual realityNext-generation networkInterface (matter)Plan (archaeology)Collaborative softwareHuman–computer interactionOperating system

Résumé

récupéré en direct d'OpenAlex

This paper discusses the development of an advanced collaborative system to support the assembly of micro devices. The overall system Virtual Reality based assembly analysis environment (VAE) which is part of a larger collaborative framework for the emerging domain of Micro Devices Assembly (MDA). MDA involves the assembly of micron sized devices which cannot be manufactured by Micro electro mechanical systems (MEMS) technologies. The VAE is comprised of several modules including an assembly plan generator, path planner and a network based cyber physical interface which allows it to support collaboration involving distributed users. As the current Internet has several limitations, a major initiative is underway to develop the Next Generation Internet frameworks which can reduce latency, increase the bandwidth of data exchange and support distributed collaboration. VAE has been implemented as part of a national initiative aimed at exploring Next Generation Internet technologies.

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)0,002
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: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,058

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,000
Communication savante0,0020,002
Science ouverte0,0020,004
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0170,004

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 Opus0,059
Tête enseignante GPT0,293
Écart entre enseignants0,234 · 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
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

Citations4
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2017 Annual IEEE International Systems Conference (SysCon)Même sujetManufacturing Process and OptimizationTravaux en français237 207