MétaCan
Menu
Retour à la cohorte
Enregistrement W4211004328 · doi:10.1007/978-3-030-72192-3_3

Defect Types

2021· book-chapter· en· W4211004328 sur OpenAlexaff
Nadimul Haque Faisal, Ömer Necati Cora, Muhammed Latif Bekçi, R. E. Śliwa, Y. Sternberg, Shashank Pant, Richard Degenhardt, Anil Prathuru

Notice bibliographique

RevueSpringer aerospace technology · 2021
Typebook-chapter
Langueen
DomaineEngineering
ThématiqueAdvanced Welding Techniques Analysis
Établissements canadiensNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésStructural integrityStructural health monitoringWeldingStructural engineeringMaterials scienceEngineeringForensic engineeringComputer scienceMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract This chapter provides an overview of the common types of defects found in various structural materials and joints in aircraft. Materials manufacturing methods (including large-scale production) have been established in the aircraft industry. However, as will be seen in this chapter, manufacturing defects and defects during in-service conditions are very common across all material types. The structural material types include metals, composites, coatings, adhesively bonded and stir-welded joints. This chapter describes the defect types as a baseline for the description of their detection with the methods of Chap. 10.1007/978-3-030-72192-3_5 to 10.1007/978-3-030-72192-3_8 . Based on the understanding of the defect types, there is great expectation for a technical breakthrough for the application of structural health monitoring (SHM) damage detection systems, where continuous monitoring and assessment with high throughput and yield will produce the desired structural integrity.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,914
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,007
Tête enseignante GPT0,211
Écart entre enseignants0,204 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations9
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSpringer aerospace technologyMême sujetAdvanced Welding Techniques AnalysisTravaux en français237 207