MétaCan
Menu
Retour à la cohorte
Enregistrement W2799870861 · doi:10.1139/tcsme-2003-0003

GEAR MACHINING AND INSPECTION BY CNC MACHINES WITHOUT ROTARY TABLE

2003· article· en· W2799870861 sur OpenAlexvenueno aff
Yaw Hong Kang, Yu-Ching Yang, Chia-Hung Lu, Psang Dain Lin

Notice bibliographique

RevueTransactions of the Canadian Society for Mechanical Engineering · 2003
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Measurement and Metrology Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMachine toolCoordinate-measuring machineMachiningNumerical controlRackProcess (computing)Table (database)Computer scienceEngineering drawingTransformation matrixFunction (biology)Mechanical engineeringControl engineeringEngineeringKinematicsData mining

Résumé

récupéré en direct d'OpenAlex

Gear cutting is the only technology currently available which provides both the accuracy and the ability to process the hard materials required by modern exacting mechanisms. Simultaneously, Coordinate Measuring Machines (CMM) are one of the most reliable and accurate metrological tools. In order to integrate these two machines in gear manufacturing industry, an analytical methodology is developed for Numerical Control (NC) data generation to produce and measure gears on machine tools and coordinate measuring machines without rotary table. Homogeneous transformation matrices are used for expressing the ability function matrices of the employed machines and in the generation of the desired tool location matrices. NC data equations are determined by equating the corresponding elements of the machine’s ability function matrices to the desired tool location matrices. To verify the validity of this methodology, a designed gear meshed with rack was machined and then its surfaces were measured by a CMM equipped with a touch-trigger probe. This methodology is a general one and is applicable to various spatial gears. It combines the activities of design, manufacturing, and measurement, thus making the production process more flexible, automatic, and controllable.

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 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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,943
Score d'incertitude au seuil0,482

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
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 Opus0,008
Tête enseignante GPT0,196
Écart entre enseignants0,188 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations0
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransactions of the Canadian Society for Mechanical EngineeringMême sujetAdvanced Measurement and Metrology TechniquesTravaux en français237 207