OPTIMISATION D’UN PROJET D’ÉTUDE DE FABRICATION PAR LA VARIATION DES TOLÉRANCES ET L’ISO CAPABILITÉS MACHINES
Notice bibliographique
Résumé
En travail de série, une opération d’usinage conduit à la création d’une ou plusieurs cotes fabriquées. Le coût d’usinage de ces opérations dépend principalement des intervalles de tolérances à assurer et de la machine-outil à utiliser. En effet, le coût horaire d’une machine augmente considérablement avec la diminution des intervalles de tolérances à réaliser. On est donc amené, à sélectionner la machine ayant un indice de capabilité jugé optimal, permettant de satisfaire la précision demandée. L’étude développée consiste à optimiser un projet d’étude de fabrication à travers : a) L’analyse en uni-direction et pour toutes les cotes fabriquées d’une même pièce, du taux de changement moyen entre les intervalles de tolérances des cotes fonctionnelles, et les intervalles de tolérances des cotes fabriquées et ce, pour plusieurs avants-projets proposés. Le but étant de sélectionner l’avant projet ayant le taux de changement le plus faible, sachant que chaque changement d’intervalle de tolérance engendre automatiquement une augmentation du coût de l’usinage. b) Le choix judicieux des machines utiles pour l’avant-projet sélectionné, en tenant compte de l’ISO capabilité de chaque machine disponible.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».