MétaCan
Menu
Retour à la cohorte
Enregistrement W4237724588 · doi:10.5571/synth.5.126

Spinning process using robot technology

2012· article· en· W4237724588 sur OpenAlexfundno aff
Hirohiko Arai

Notice bibliographique

RevueSynthesiology · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing and 3D Printing Technologies
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of OxfordCanadian Institute for Advanced Research
Mots-clésSpinningProcess (computing)RobotComputer scienceMaterials scienceProcess engineeringArtificial intelligenceEngineeringComposite material

Résumé

récupéré en direct d'OpenAlex

Spinning process using robot technology-Field-based bricolage of manufacturing technology -Metal spinning is a plastic forming method in which rotating metal material is pushed by a roller to form a product.It is suitable for production of a wide variety of products in small quantities due to low cost forming dies.We have achieved fabrication of nonaxisymmetric shapes by using robot technology, which was difficult to realize by conventional methods.A prototype of a practical spinning machine has been developed in collaboration with a spinning machinery manufacturer.In this research, we have basically set preference for commercial realization over academic contribution.This research was carried out in a bottom-up and trial-and-error manner, and the targets of this research were frequently modified depending on the situation.Bricolage, utilizing the combination of available and limited resources at hand, has played a key role in the research activity.Decision-making has reflected Three-actuality theory, which values actual field site, actual material, and actuality.We have added the increase of customer satisfaction to the criteria of value and have set the sales activities as a part of the research.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,024
Tête enseignante GPT0,261
Écart entre enseignants0,237 · 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'étudeExpérimental (laboratoire)
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

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSynthesiologyMême sujetAdditive Manufacturing and 3D Printing TechnologiesTravaux en français237 207