A fuzzy-based framework to support multicriteria design of mechatronic systems
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Designing a mechatronic system is a complex task since it deals with a high number of system components with multidisciplinary nature in the presence of interacting design objectives. Currently, the sequential design is widely used by designers in industries that deal with different domains and their corresponding design objectives separately leading to a functional but not necessarily an optimal result. Consequently, the need for a systematic and multiobjective design methodology arises. A new conceptual design approach based on a multicriteria profile for mechatronic systems has been previously presented by the authors, which uses a series of nonlinear fuzzy-based aggregation functions to facilitate decision-making for design evaluation in the presence of interacting criteria. Choquet fuzzy integrals are one of the most expressive and reliable preference models used in decision theory for multicriteria decision-making. They perform a weighted aggregation by the means of fuzzy measures assigning a weight to any coalition of criteria. This enables the designers to model importance and also interactions among criteria, thus covering an important range of possible decision outcomes. However, specification of the fuzzy measures involves many parameters and is very difficult when only relying on the designer's intuition. In this paper, we discuss three different methods of fuzzy measure identification tailored for a mechatronic design process and exemplified by a case study of designing a vision-guided quadrotor drone. The results obtained from each method are discussed in the end.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle