MétaCan
Menu
Retour à la cohorte
Enregistrement W4293255232 · doi:10.1139/tcsme-2021-0124

Unified modeling of a tractor performance prototype based on ontology

2022· article· en· W4293255232 sur OpenAlexvenueno aff
Yiwei Wu, Zhili Zhou, Xianghai Yan

Notice bibliographique

RevueTransactions of the Canadian Society for Mechanical Engineering · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueIndustrial Technology and Control Systems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTractorOntologyMetamodelingComputer scienceSystems engineeringProcess (computing)Software engineeringEngineeringAutomotive engineering

Résumé

récupéré en direct d'OpenAlex

A tractor is a type of agricultural machinery with complex structure and harsh operating conditions. It is evolving toward a large-scale, multifunctional, and intelligent system. Digital prototype technology is an effective approach for experts in multidisciplinary fields to collaborate in the development of new tractor products. Tractor performance prototype design is an important part of realizing digital tractor design. In the modeling process, the performance prototype models designed by experts have a problem with inconsistent expressions, making tractor digital design difficult to implement. This study aims to investigate the unified modeling of a tractor performance prototype. The design process of the tractor performance prototype was analyzed according to the characteristics of new tractor product development. Combined with the ontology modeling method, the construction process of the tractor performance prototype ontology was designed. Based on ontology metamodel theory, a multidisciplinary unified modeling method for a tractor performance prototype is proposed, and an ontology metamodel architecture was constructed. Using a wheeled tractor as an example, a performance prototype ontology was designed. Subsequently, an ontology model was created and verified in Protégé. The results indicate that the model can be used for the digital design of new tractor product development. An ontology model database was established, which realized the sharing and management of ontology model data, and the effectiveness of the method was verified.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,002
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,004
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,015
Tête enseignante GPT0,185
Écart entre enseignants0,170 · 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'étudeSimulation ou modélisation
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 revueTransactions of the Canadian Society for Mechanical EngineeringMême sujetIndustrial Technology and Control SystemsTravaux en français237 207