MétaCan
Menu
Retour à la cohorte
Enregistrement W2800113872 · doi:10.1139/tcsme-2016-0056

DEVELOPMENT OF AN AUTOMATIC MEASUREMENT AND MATCHING MACHINE FOR COLUMNED BATTERY CELLS

2016· article· en· W2800113872 sur OpenAlexvenueno aff
Xiaoxing Li, Yi-Hua Fan, Ching-En Chen, Chia-Hui Tsao, Sheng-Chung Hsieh

Notice bibliographique

RevueTransactions of the Canadian Society for Mechanical Engineering · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Measurement and Detection Methods
Établissements canadiensnon disponible
Organismes subventionnairesChung Yuan Christian University
Mots-clésBattery (electricity)SortingComputer scienceMatching (statistics)Interface (matter)Mechanism (biology)Control (management)Computer hardwareAutomotive engineeringArtificial intelligenceEngineeringOperating systemAlgorithm

Résumé

récupéré en direct d'OpenAlex

An automatic measurement and matching machine for columned batteries is developed in this study. The automatic machine consists of a battery feeding case, an intermittent separation feeding mechanism, a test region, eight classification transport channels, and battery depositary boxes. Besides the mechanism design, a human-machine interface and control program are written in VB language. The program provides the control and monitoring program for the auto-measurement system. The program cannot only read the measurement data and control the automatic machine, but also store these data and provide the test data histories for each cell supplier to the user. The experimental results show that the automatic machine could examine and classify the columned battery cells efficiently and decrease the demand of manpower. The results also show that the total measured and sorting quantity of one machine for eight hours is about 5760 pieces, which is greater than the 3500 pieces measured by one manpower.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,025
Tête enseignante GPT0,223
Écart entre enseignants0,199 · 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'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
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransactions of the Canadian Society for Mechanical EngineeringMême sujetAdvanced Measurement and Detection MethodsTravaux en français237 207