MétaCan
Menu
Retour à la cohorte
Enregistrement W2736763384 · doi:10.20286/jeas.v3i2.19

Safety Assessment for Industrial Robots

2016· article· en· W2736763384 sur OpenAlexvenueno aff
Farzad Gerami, Fatemeh Ebrahimi, Mohammad Reza Naderi, Mir Emad Aghaei

Notice bibliographique

RevueNova Journal of Engineering and Applied Sciences · 2016
Typearticle
Langueen
DomaineHealth Professions
ThématiqueOccupational Health and Safety Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRobotReliability (semiconductor)Markov chainRisk analysis (engineering)Work (physics)Computer scienceEngineeringReliability engineeringBusinessArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The safety and reliability of robots, like other engineering products, have been considered as important issues in many countries since the growing robot technology entered the industry. An industrial robot must be safe and reliable so that it does not lead to unsafe situations and high maintenance expenses. The growing application of industrial robots in some of the industries of Iran, and the nature of their activities (vast work environment, unpredictable movements, and the nature of controlling its computer program) will create a unique challenge in occupational safety. Consecutive failures of a robot will cause an industry to suffer from great expenses. This study seeks to develop a safety analysis model for industrial robots. Due to the importance of this issue and the dearth of studies done in this regard, this study intended to develop a safety analysis model for industrial robots based on Markov chain. Then, this model was applied to the robots in Haierplast Company; and finally, the results were analyzed. The findings of this study include the computation of danger rate, probabilities, reliability, the average of failure time, and the repair rate of the safety system of robots. Keywords: robot safety, reliability, severity-frequency index of an event

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)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,190
Tête enseignante GPT0,475
Écart entre enseignants0,285 · 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'étudeObservationnel
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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNova Journal of Engineering and Applied SciencesMême sujetOccupational Health and Safety ResearchTravaux en français237 207