MétaCan
Menu
Retour à la cohorte
Enregistrement W3116082497 · doi:10.1115/detc2000/dtm-14561

Computer Based Requirement and Concept Modelling: Information Gathering and Classification

2000· article· en· W3116082497 sur OpenAlexaboutno aff
Fredrik Andersson, Patrik Nilsson, Hans Johannesson

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueManufacturing Process and Optimization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComputer scienceFunctional requirementFunctional decompositionDecompositionRepresentation (politics)Systems engineeringFunction (biology)Conceptual designSoftwareObject (grammar)Software engineeringTruckRequirements analysisObject-oriented designObject-oriented programmingHuman–computer interactionProgramming languageArtificial intelligenceEngineeringMachine learning

Résumé

récupéré en direct d'OpenAlex

Abstract This paper proposes a requirement and concept model based on a functional decomposition of mechanical systems. It is an object-oriented approach to integrate the representation of the design artefact and the design activity, through the decisions made during the design evolution. The requirements co-evolve simultaneously with the formation of the conceptual layout, through the opportunity to alter between function and physical/abstract solutions. This approach structures the design requirements and concepts in such a way that it supports the ability to document their sources, to allow for validation and verifications of both requirements and design solutions. First, the proposed model is presented from a theoretical viewpoint. Secondly, a methodology for modelling requirements and concepts in an object-oriented fashion is discussed. Finally, the model is implemented in METIS software and tested in a case study of an electric window winder on a truck door.

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)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,012
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0060,005
Études des sciences et des technologies0,0010,001
Communication savante0,0040,005
Science ouverte0,0020,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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 Opus0,017
Tête enseignante GPT0,196
Écart entre enseignants0,179 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetManufacturing Process and OptimizationTravaux en français237 207