MétaCan
Menu
Retour à la cohorte
Enregistrement W3007861565 · doi:10.1520/jte20180238

Thermal Resistance of Air-Filled Mattresses: Measurement Repeatability and the Effect of Selected Test Parameters

2018· article· en· W3007861565 sur OpenAlexaff
Shelley Kemp, Xiaoan Shen, René M. Rossi, Martin Camenzind

Notice bibliographique

RevueJournal of Testing and Evaluation · 2018
Typearticle
Langueen
DomaineMaterials Science
ThématiqueTextile materials and evaluations
Établissements canadiensMountain Equipment Co-op (Canada)
Organismes subventionnairesnon disponible
Mots-clésRepeatabilityMaterials scienceComposite materialTest methodStructural engineeringMathematicsStatisticsEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract There is no standardized test method specifically for determining the thermal resistance (R-value) of air-filled mattresses. Unacceptable inter- and intra-laboratory variations in round-robin testing have been attributed to differences in the test apparatus and test parameters used. To identify relevant sources of variation, the repeatability of the guarded hotplate apparatus (in a double plate configuration) was first characterized, and then the effect of modifying selected test parameters on mattress thickness and thermal resistance was investigated. Two mattress types, in two different sizes, were examined: one contained air only while the other contained air plus a nonwoven polyester fill. It was found that repeatable outcomes could be attained when using the guarded hotplate apparatus (95 % repeatability limit of less than 0.08 m2K/W for all mattresses tested). The modification of test parameters had significant effects on mattress thickness or R-value, or both. External pressure, the temperature difference across the specimen, supplementary insulation, mattress size, and environmental conditions affected both the thickness and R-value of the test mattresses. Inflation pressure, over the range tested, did not have a significant effect on the R-value but did influence mattress thickness. This work highlights the need for the standardization of the test apparatus and test parameters and will aid in the development of a standardized test method.

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)0,004
score de la tête « metaresearch » (Gemma)0,011
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: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,011
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,050
Tête enseignante GPT0,299
Écart entre enseignants0,250 · 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Testing and EvaluationMême sujetTextile materials and evaluationsTravaux en français237 207