Notice bibliographique
Résumé
This project addresses several key barriers to wide-spread adoption of additive manufacturing (AM) technology as applied to solid state lighting luminaires. The solution will utilize cutting edge AM approaches for integrating structure with thermal management solutions, electronic functionality, and optics. The research team (Eaton, Lighting Research Center (LRC) at Rensselaer Polytechnic Institute, Xerox Research Centre of Canada (XRCC)) utilize their AM and lighting expertise to investigate breakthrough manufacturing approaches that will significantly reduce cost, eliminate manufacturing process waste, and improve luminaire efficacy. The team has identified critical areas of research and proposed novel technical approaches to achieve these goals. Key areas of focus in Budget Period 1 (BP1) of the project quantified the impact of applying AM methodologies to the main, discrete subsystem components (Heat Sink, Housing, Optics, Electronics). Budget Period 2 (BP2) research explored similar impact on a fully integrated, AM modular luminaire concept. Final Achievement of the Target Metrics for the project are as follows: Material Reduction: achieved > 57.45% (target is 50%) Manufacturing Process: achieved > 51% reduction (target is 50%) Application Efficacy: achieved 126 lm/W (target is 130 lm/W) First Cost vs Baseline: demonstrated 49% improvement in project timing, 59% improvement in man hour savings and 89% worse BOM costs (due to deficiencies in current “state of the art” equipment). The BOM costs improve to 53% savings if state of the art processes and equipment could have been used.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 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) | 0,006 | 0,003 |
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 ».