MétaCan
Menu
Retour à la cohorte
Enregistrement W3041178285 · doi:10.3390/app10144704

Interlaboratory Empirical Reproducibility Study Based on a GD&T Benchmark

2020· article· en· W3041178285 sur OpenAlexafffund
Ali Aidibe, Antoine Tahan, Mojtaba Kamali Nejad

Notice bibliographique

RevueApplied Sciences · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Measurement and Metrology Techniques
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesNational Research Council Canada
Mots-clésBenchmark (surveying)Computer scienceMetrologyEngineering drawingEngineeringMathematicsStatistics

Résumé

récupéré en direct d'OpenAlex

The ASME Y14.5 geometric dimensioning and tolerancing (GD&T) and ISO-GPS (geometrical product specifications) standards define tolerances that can be added to components to achieve the necessary functionality and performance. The zone that each feature must lie within is defined in each tolerance. Measurement processes, including planning, programming, data collection (with contact or without contact), and data processing, check the compliance of the part with these specifications (tolerances). Over the last two decades, many works have been realized by the metrology community to investigate the accuracy, the measuring methods, and, specifically, the measurement errors of fixed and portable coordinate measuring machines (CMMs). A review of the literature showed the progression of CMMs in terms of accuracy and repeatability. However, discrepancies were observed between measurements using different CMMs or operators. This paper proposed a GD&T-based benchmark for the evaluation of the performance of different CMM operators in computer-aided inspection (CAI), considering different criteria related to the dimensional and geometrical features. An artifact was designed using basic geometries (cylinder and plane) and free-form surfaces. The results obtained from the interlaboratory comparison study showed significant performance variability for complex GD&T, such as in the composite profile and localization. This, in turn, emphasized the importance of GD&T training and certification in order to ensure a uniform understanding among different operators, combined with a fully automated inspection code generator for GD&T purposes.

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)0,045
score de la tête « metaresearch » (Gemma)0,069
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Reproductibilité · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,955
Score d'incertitude au seuil0,236

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0450,069
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,002
Communication savante0,0020,001
Science ouverte0,0020,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,099
Tête enseignante GPT0,327
Écart entre enseignants0,228 · 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.

Devis d'étudeExpérimental (laboratoire)
DomaineReproductibilité
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

Citations4
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueApplied SciencesMême sujetAdvanced Measurement and Metrology TechniquesTravaux en français237 207