MétaCan
Menu
Retour à la cohorte
Enregistrement W4292980610 · doi:10.1088/0026-1394/59/1a/04005

Calibration of gauge blocks by optical interferometry comparison - final report

2022· article· en· W4292980610 sur OpenAlexaff
Miguel Viliesid, P. Dubé, Carlos Colín

Notice bibliographique

RevueMetrologia · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Measurement and Metrology Techniques
Établissements canadiensNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésMutual recognitionCalibrationGauge (firearms)MetrologyTraceabilityMathematicsComputer scienceRemote sensingStatisticsGeography

Résumé

récupéré en direct d'OpenAlex

Main text Gauge blocks are one of the main artifacts used to calibrate length measuring instruments. The highest grade gauge blocks are calibrated by interferometry making them traceable to the length unit, the metre. The transfer of the wavelength of light to these artifacts is a challenging calibration that requires state-of-the-art equipment, good control of ambient conditions and knowledgeable personnel. It is one of the main calibration services offered by National Metrology Institutes. The Consultative Committee for Length (CCL) has established key comparisons as a means for assuring world-wide traceability and equivalence of length measurements at the highest levels of accuracy. In the key comparison reported here, there were twelve participants from EURAMET, COOMET, AFRIMET, APMP, and SIM regions. This comparison was based on the circulation of seven short steel gauge blocks, six short ceramic gauge blocks, and three steel long gauge blocks. The exercise was successful, and the results of the participants are reported here. To reach the main text of this paper, click on Final Report . Note that this text is that which appears in Appendix B of the BIPM key comparison database https://www.bipm.org/kcdb/ . The final report has been peer-reviewed and approved for publication by the CCL, according to the provisions of the CIPM Mutual Recognition Arrangement (CIPM MRA).

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,255
Score d'incertitude au seuil0,485

Scores Codex et Gemma par catégorie

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

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 Opus0,028
Tête enseignante GPT0,268
Écart entre enseignants0,240 · 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.

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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMetrologiaMême sujetAdvanced Measurement and Metrology TechniquesTravaux en français237 207