MétaCan
Menu
Retour à la cohorte
Enregistrement W2903118918 · doi:10.1139/tcsme-2017-520

DURABILITY TESTS: statistical analysIs for variable amplitude loads

2017· article· en· W2903118918 sur OpenAlexvenueno aff
Moisés Jiménez-Martínez

Notice bibliographique

RevueTransactions of the Canadian Society for Mechanical Engineering · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueInfrastructure Maintenance and Monitoring
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDurabilityReliability engineeringReliability (semiconductor)Product (mathematics)Computer scienceAccelerated life testingNew product developmentAcceptance testingEngineeringWeibull distributionMathematicsStatistics

Résumé

récupéré en direct d'OpenAlex

The reduced time available for product evolution has forced original equipment manufacturers and their suppliers to develop new components and subsystems more rapidly, while taking into consideration the reliability of the final product in terms of its durability. Although durability is nowadays improved through virtual testing, it is mandatory to perform experimental tests for the final release of a product. The complexity of this kind of testing has increased. In the early 20th century, evaluations began to represent a real life time history with standardized load–time histories. This coincided with the introduction of the closed-loop test system to reproduce more realistic time histories. Most tier-1 suppliers perform such testing at their own development centers or at consultant test facilities; however, design engineers and product management need to understand the requirements of the testing and be able to interpret the results to understand how to improve a mechanical component. Most papers published on durability give experimental results for constant-amplitude loads and analytical predictions. However, information on tests with time histories and statistical analysis is very often missing. The present paper reviews the main aspects of durability tests for variable-amplitude loads, including the main statistical analysis conducted to reproduce damage to vehicles traveling on roads and proving grounds in the laboratory.

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)0,015
score de la tête « metaresearch » (Gemma)0,071
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,077

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,071
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0050,005
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0020,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0090,003

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 Opus0,011
Tête enseignante GPT0,228
Écart entre enseignants0,217 · 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'étudeObservationnel
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

Citations7
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransactions of the Canadian Society for Mechanical EngineeringMême sujetInfrastructure Maintenance and MonitoringTravaux en français237 207