Feature extraction and process planning of integrated hybrid additive-subtractive system for remanufacturing
Notice bibliographique
Résumé
Discussion regarding hybrid manufacturing has dominated research in recent years. By synergistically integrating additive and subtractive manufacturing within a single workstation, the relative benefits of each manufacturing strategy are leveraged. The ability to add, remove feature flexibly enables remanufacturing end-of-life components into a "new" part with new features and functionalities. However, in the remanufacturing context, the process planning for hybrid additive-subtractive manufacturing is still an unsolved research topic. In general, a hybrid remanufacturing process is signified by an alternating sequence of additive and subtractive operations that alternatively add and remove materials on a used part, which results in a non-unique process planning. For determining an optimal sequence for hybrid remanufacturing, a quantitative evolution mechanism is demanded. Moreover, the constraints in process planning are required to be considered. For example, the collision avoidance between the workpiece and the material-dispensing nozzle is one of the most critical limitations that affect the alternating sequence. To fill the gap, automated feature extraction and cost-driven process planning method for hybrid remanufacturing are proposed in this paper. The feature extraction, developed under the level set framework, can extract optimal and collision-free additive-subtractive features. Then, the hybrid process planning task is formulated into an integer programming model with cost estimations. A case study is conducted, and the results confirm the correctness and effectiveness of the proposed 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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».