Pugh matrix and aggregated by extent analysis using trapezoidal fuzzy number for assessing conceptual designs
Notice bibliographique
Résumé
Deciding conceptual stage of engineering design to identify an optimal design concept from a set of alternatives is a task of great interest for manufacturers because it has an impact on profitability of the manufacturing firms in terms of extending product demand life cycle and gaining more market share. To achieve this task, design concepts encompassing all required attributes are developed and the decision is made on the optimal design concept. This article proposes the modeling of decision making in the conceptual design stage of a product as a multicriteria decision making analysis. The proposition is based on the fact that the design concepts can be decided based on considering the available design features and various sub-features under each design feature. Pairwise comparison matrix of fuzzy analytic hierarchy process is applied to determine the weights for all design features and their sub-features depending on the importance to the design features to the optimal design and contributions of the sub-features to the performance of the main design features. Fuzzified Pugh matrices are developed for assessing the availability of the sub-features in the design concept. The cumulative from the Pugh matrices produced a pairwise comparison matrix for the design features from which the design concepts are ranked using a minimum degree of possibility. The result obtained show that the decision process did not arbitrarily apportion weights to the design concepts because of the moderate differences in the final weights.
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 | 0,012 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».