A Study on Augmented Reality Remote Maintenance Support System for Ships and Offshore Structures
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
From the viewpoint of safety and sustainability, the demand for autonomous vessels is increasing. Due to technical and administrative limitations, achieving a fully autonomous ship is through sequential development and application, and this can be confirmed through the 4 unmanned surface ship degrees As an intermediate step, the main concern is the operation of the ship with minimal onboard crews, and this is a similar situation for offshore structures. In a crew-minimized environment, one crew member should be able to perform multi-discipline techniques, but it is practically impossible to establish such an environment in a short period of time. For this reason, research and development are focused on systemic support to onboard crews that can operate and maintain in a minimal crew environment. And the activities define a vessel in this operating environment as a smart vessel and approach it as a prestage of fully autonomous vessels. In case of smart ships, studies like [2] are being conducted on monitoring and detecting abnormal situations in equipment that occur during operation on ships. In addition, studies [3] are being conducted to converge condition monitoring data and the cyber physical system and apply them to ships and offshore structures. These studies are related to systems supporting the maintenance in point of the Fail Safety, and the purpose of the Fail Safety is to support the sustainable operation of ships or offshore structures. The Fail Safety system consists of two main components, those are the diagnosis of the equipment status based on the monitoring information and supporting a proper maintenance plan based on the diagnosis result.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle