MétaCan
Menu
Retour à la cohorte
Enregistrement W4298129382 · doi:10.1117/12.2633367

Powerful standalone application for realistic optical tolerancing

2022· article· en· W4298129382 sur OpenAlexaff
Nathalie Blanchard, Frédéric Lamontagne, Simon Paradis, Nichola Desnoyers

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAdaptive optics and wavefront sensing
Établissements canadiensInstitut National d'Optique
Organismes subventionnairesnon disponible
Mots-clésZemaxTolerance analysisSoftwareComputer scienceProcess (computing)Lens (geology)Optical engineeringOptical proximity correctionEngineering drawingEngineeringOptics

Résumé

récupéré en direct d'OpenAlex

An innovative software application for a more realistic tolerance analysis has been developed recently by INO. The application is using optical and mechanical manufacturing databases as well as several equations to translate realistic manufacturing tolerances, optomechanical mounting interfaces, and centering methods into tilts and decenters perturbations, easily transferable to Zemax OpticStudio. The standalone application can be used by the optical designer to quickly verify the feasibility of a mounting and alignment technique according to the specific sensibilities of the current design. The optomechanical engineer can also easily validate or choose a better centering method as well as update the mechanical tolerance parameters. Once the parameter is fixed, the optical designer can export the new parameters into a Zemax OpticStudio file, updating Lens Data Editor and Tolerance Data Editor. Communication between both optical and optomechanical specialists is straightforward with this powerful tool, making the design process easier, quicker, and more accurate. This paper presents how INO is using its standalone application for tolerance analysis to overcome the complex simulation of various centering techniques. Through real examples, it will show how realistic tolerancing simulations impact the choice of appropriate centering method for the lens assembly.

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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,944
Score d'incertitude au seuil0,344

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 Opus0,011
Tête enseignante GPT0,250
Écart entre enseignants0,239 · 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'étudeThéorique ou conceptuel
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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdaptive optics and wavefront sensingTravaux en français237 207