MétaCan
Menu
Retour à la cohorte
Enregistrement W2805617879 · doi:10.1002/cepa.797

Development of condition‐based tamping process in railway engineering

2018· article· en· W2805617879 sur OpenAlexaff
Olja Barbir, Dietmar Adam, Fritz Kopf, Johannes Pistrol, Florian Auer, Bernhard Antony

Notice bibliographique

Revuece/papers · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueRailway Engineering and Dynamics
Établissements canadiensBGC Engineering (Canada)
Organismes subventionnairesnon disponible
Mots-clésBallastTrack (disk drive)CompactionLevellingEngineeringProcess (computing)StiffnessGeotechnical engineeringMarine engineeringStructural engineeringGeologyMechanical engineeringComputer scienceElectrical engineeringGeodesy

Résumé

récupéré en direct d'OpenAlex

Abstract Ballast, rails and sleepers form a quasi‐elastic track system. When the deformations exceed the elastic limit of the system and the track is no longer lying in its correct position, precautions have to be taken. During a technical track examination several parameters are measured. Should the operational tolerance values of these parameters be exceeded, track maintenance needs to be conducted. Track maintenance includes levelling, lifting, lining and tamping of the track, which is performed by a tamping machine, where the tamping tines penetrate the ballast and compact it beneath the sleeper. For the purpose of this research project, a tamping machine was equipped with a number of strategically positioned sensors in order to perform the in‐situ measurements required to describe the interaction of the tamping tines with the ballast and its compaction beneath the sleeper. With a special emphasis on the energy transferred into the ballast and alteration of ballast stiffness during compaction, conclusions concerning efficiency of the tamping process in different ballast conditions are made and presented.

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)0,001
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,006
Tête enseignante GPT0,207
Écart entre enseignants0,201 · 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
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

Citations9
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuece/papersMême sujetRailway Engineering and DynamicsTravaux en français237 207