MétaCan
Menu
Retour à la cohorte
Enregistrement W3139054261 · doi:10.5772/intechopen.96500

Smart Textiles Testing: A Roadmap to Standardized Test Methods for Safety and Quality-Control

2021· book-chapter· en· W3139054261 sur OpenAlexfundno aff
Ikra Iftekhar Shuvo, Justine Decaens, Dominic Lachapelle, Patricia I. Dolez

Notice bibliographique

RevueIntechOpen eBooks · 2021
Typebook-chapter
Langueen
DomaineEngineering
ThématiqueAdvanced Sensor and Energy Harvesting Materials
Établissements canadiensnon disponible
Organismes subventionnairesMitacs
Mots-clésTextileQuality (philosophy)Manufacturing engineeringEngineeringSafety standardsControl (management)Test (biology)Architectural engineeringProduct (mathematics)Reliability engineeringComputer scienceMaterials science

Résumé

récupéré en direct d'OpenAlex

Test methods for smart or electronic textiles (e-textiles) are critical to ensure product safety and industrial quality control. This paper starts with a review of three key aspects: (i) commercial e-textile products/technologies, (ii) safety and quality control issues observed or foreseen, and (iii) relevant standards published or in preparation worldwide. A total of twenty-two standards on smart textiles – by CEN TC 248/WG 31, IEC TC 124, ASTM D13.50, and AATCC RA111 technical committees – were identified; they cover five categories of e-textile applications: electrical, thermal, mechanical, optical, and physical environment. Based on the number of e-textile products currently commercially available and issues in terms of safety, efficiency, and durability, there is a critical need for test methods for thermal applications, as well as to a lesser degree, for energy harvesting and chemical and biological applications. The results of this study can be used as a roadmap for the development of new standardized test methods for safety & quality control of smart textiles.

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)0,012
score de la tête « metaresearch » (Gemma)0,007
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,066

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,007
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0070,004
Études des sciences et des technologies0,0010,002
Communication savante0,0050,007
Science ouverte0,0040,003
Intégrité de la recherche0,0040,006
Charge utile insuffisante (le modèle a refusé de juger)0,0130,014

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 Opus0,050
Tête enseignante GPT0,328
Écart entre enseignants0,278 · 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
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

Citations20
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIntechOpen eBooksMême sujetAdvanced Sensor and Energy Harvesting MaterialsTravaux en français237 207