MétaCan
Menu
Retour à la cohorte
Enregistrement W3134967855 · doi:10.54564/jtsa.v19i1.32

ANALISIS BATAS KECEPATAN KRITIS KELUAR REL DI LENGKUNGAN R60 DENGAN KONDISI TIDAK ADA PELEBARAN DAN PENINGGIAN PADA PROYEK LRT

2020· article· id· W3134967855 sur OpenAlexaff
Ikhsan Fadillah

Notice bibliographique

RevueJURNAL TEKNIK SIPIL-ARSITEKTUR · 2020
Typearticle
Langueid
DomaineBusiness, Management and Accounting
ThématiqueManagement and Optimization Techniques
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésPhysics

Résumé

récupéré en direct d'OpenAlex

LRT menggunakan jenis lintasan layang. jalurnya tidak hanya lurus melintang, tapi juga menikung. Pada tikungan, kereta akan terpengaruh oleh gaya sentrifugal, kereta akan terlempar ke arah luar. Dengan adanya radius 60 meter pada lintasan kereta LRT, terjadi getaran dan bunyi yang cukup kencang di kabin masinis, akibatnya pihak operasional LRT menurunkan kecepatan desain dari 20 km/j menjadi 10 km/j. Kecepatan kereta yang rendah berdampak pada kedatangan kereta terlambat terutama pada saat jeda waktu keberangkatan antar kereta (headway) yang lebih cepat. Dari hasil survei yang telah dilakukan di lapangan pada lengkungan tersebut roda dan rel sudah terkikis (aus) dengan ditemukannya gram akibat gesekan antara roda dan rel dikarenakan Jarak gandar roda lebih besar dari pada dab rel akibatnya kereta berjalan mepet (Spiezgang) meskipun jalur tersebut dibuat pelebaran maksimum 20 mm sesuai Peraturan Menteri Perhubungan No.60. Kecepatan kritis kereta masih lebih tinggi, yaitu 48 km/jam atau terdapat selisih perbedaan sebesar 38 km/jam dengan batas kecepatan yang diterapkan saat ini yaitu 10 km/jam. Sebagai upaya peningkatan kecepatan dan menghindari tergulingnya LRV sebaiknya pada lintasan lengkung dengan radius yang kecil dilakukan peninggian (cant) dan pelebaran sepur guna mengurangi keausan yang berlebihan pada roda. Serta perlu adanya perawatan khusus menggunakan lubrikasi pada titik tersebut untuk mengurangi gaya gesekan. Agar dapat mengoptimalkan kinerja LRV penulis menyarankan penambahan kecepatan kereta kembali pada kecepatan awal desain yaitu maksimal 20 km/jam.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,046

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0140,004

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 Opus0,019
Tête enseignante GPT0,220
Écart entre enseignants0,201 · 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'étudeSans objet
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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJURNAL TEKNIK SIPIL-ARSITEKTURMême sujetManagement and Optimization TechniquesTravaux en français237 207