A Review of Image-Based Simulation Applications in High-Value Manufacturing
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
Image-Based Simulation (IBSim) is the process by which a digital representation of a real geometry is generated from image data for the purpose of performing a simulation with greater accuracy than with idealised Computer Aided Design (CAD) based simulations. Whilst IBSim originates in the biomedical field, the wider adoption of imaging for non-destructive testing and evaluation (NDT/NDE) within the High-Value Manufacturing (HVM) sector has allowed wider use of IBSim in recent years. IBSim is invaluable in scenarios where there exists a non-negligible variation between the 'as designed' and 'as manufactured' state of parts. It has also been used for characterisation of geometries too complex to accurately draw with CAD. IBSim simulations are unique to the geometry being imaged, therefore it is possible to perform part-specific virtual testing within batches of manufactured parts. This novel review presents the applications of IBSim within HVM, whereby HVM is the value provided by a manufactured part (or conversely the potential cost should the part fail) rather than the actual cost of manufacturing the part itself. Examples include fibre and aggregate composite materials, additive manufacturing, foams, and interface bonding such as welding. This review is divided into the following sections: Material Characterisation; Characterisation of Manufacturing Techniques; Impact of Deviations from Idealised Design Geometry on Product Design and Performance; Customisation and Personalisation of Products; IBSim in Biomimicry. Finally, conclusions are drawn, and observations made on future trends based on the current state of the literature.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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