MétaCan
Menu
Retour à la cohorte
Enregistrement W2899249000 · doi:10.1115/detc2018-85465

Improved Benchmarking Method Using Kinematics Analysis in Design of an Upper Limb Exoskeleton Rehabilitation Device

2018· article· en· W2899249000 sur OpenAlexaff
Yanlin Shi, Qingjin Peng

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueManufacturing Process and Optimization
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésBenchmarkingExoskeletonQuality function deploymentProduct designKinematicsConceptual designComputer scienceAutomationNew product developmentEngineeringProduct (mathematics)Systems engineeringSimulationHuman–computer interactionMechanical engineeringOperations managementValue engineering

Résumé

récupéré en direct d'OpenAlex

Conceptual design plays an important role in product development to meet requirements of the product function, cost and other factors. Existing methods of the product conceptual design rely on experience of designers or benchmarking methods to estimate design parameters, which limits the design automation and optimization. This paper improves the benchmarking methods by integrating the kinematics analysis with quality function deployment in design of an upper limb exoskeleton rehabilitation device. Parameters such as velocity, acceleration and displacement of the product are included for rating benchmarking products to evaluate the rehabilitation device based on customer needs. By integrating the benchmarking method and kinematics analysis, products with the best performance can be determined accurately to help designers to improve the existing product or develop a new product. The proposed method is verified in the design of an upper limb rehabilitation device.

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)0,001
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,210
Score d'incertitude au seuil0,412

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,019
Tête enseignante GPT0,287
Écart entre enseignants0,268 · 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'étudeSimulation ou modélisation
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

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetManufacturing Process and OptimizationTravaux en français237 207