MétaCan
Menu
Retour à la cohorte
Enregistrement W4205220474 · doi:10.1061/(asce)st.1943-541x.0003261

Calibration of Resistance Factor for Self-Tapping Screws in Canada

2022· article· en· W4205220474 sur OpenAlexaffabout
Tom Joyce, Ying Hei Chui

Notice bibliographique

RevueJournal of Structural Engineering · 2022
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueProbabilistic and Robust Engineering Design
Établissements canadiensNatural Sciences and Engineering Research Council of CanadaUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésTappingReliability (semiconductor)Reliability engineeringResistance FactorsCalibrationConsistency (knowledge bases)Resistance (ecology)Computer scienceStructural engineeringEngineeringStatisticsMathematicsMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Under the load and resistance factor design philosophy used in North America, building codes structures are designed using load and resistance factors calibrated to a target reliability level. Despite this, few attempts have been made to calibrate resistance factors for timber connections. A calibration process was carried out for the withdrawal resistance of axially loaded self-tapping screws using a database of test results from across Canada. Two load cases were considered, reflecting load combinations and statistics drawn from the 2015 National Building Code of Canada and from a proposal developed to provide greater consistency in reliability outcomes, and the reliability under each case was determined using the first-order reliability method (FORM). Given the low ductility–brittle nature of withdrawal failures, a resistance factor of φ=0.7 was recommended for a target reliability index of β=4.0. The outcomes will assist in the selection of a resistance factor for self-tapping screws for use in the Canadian timber design standard, CSA O86.

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)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,160
Score d'incertitude au seuil0,321

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,014
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,035
Tête enseignante GPT0,263
Écart entre enseignants0,227 · 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'étudeObservationnel
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

Citations3
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Structural EngineeringMême sujetProbabilistic and Robust Engineering DesignTravaux en français237 207