MétaCan
Menu
Retour à la cohorte
Enregistrement W2924020294 · doi:10.28991/cej-2019-03091283

Generalized Review on EVD and Constraints Simplex Method of Materials Properties Optimization for Civil Engineering

2019· article· en· W2924020294 sur OpenAlexaff
Kennedy C. Onyelowe, George Uwadiegwu Alaneme, Duc Bui Van, Manh Nguyen Van, Charles Ezugwu, Talal Amhadi, Felix Sosa, Francis Orji, Benjamin Ugorji

Notice bibliographique

RevueCivil Engineering Journal · 2019
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueQuality Function Deployment in Product Design
Établissements canadiensUniversité du Québec
Organismes subventionnairesBộ Giáo dục và Ðào tạo
Mots-clésCentroidWork (physics)Computer scienceEngineeringCivil engineeringMechanical engineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Extreme vertex design (EVD) has been adapted to be used in the modeling of the behavior of mixture experiments in civil engineering. This method has been in use since the 1970s and has be prevalent in the field of medical science. Various other methods of design of experiments have been used in engineering but neither has EVD being used particularly in civil engineering. This review is presented to serve as a hub or guide for subsequent exercise where concrete production, asphalt production or modification, soils stabilization and concrete improvement or water treatment would be studied with the help EVD. Its ability to fix design points and centroids has been reviewed in this work. EVD operates with various algorithms and depends on the order or condition of problems to be solved. The XVERT algorithm working on Minitab and Design Expert platform was adopted in this review work because of its efficiency in handling quadratic model problems like the four cases reviewed in the present work. From the four special cases, it can be asserted that there is a confidence in the use of EVD to develop the constraints, design the experimental factor space, design the mix proportions, and validate the models resulting from these procedures after experimental specimens are tested to determine the responses.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,004
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,003

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 Opus0,036
Tête enseignante GPT0,248
Écart entre enseignants0,212 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations20
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCivil Engineering JournalMême sujetQuality Function Deployment in Product DesignTravaux en français237 207