MétaCan
Menu
Retour à la cohorte
Enregistrement W4385391096 · doi:10.58286/28157

Automatic Methods for Ultrasonic Scanning Paths Generation

2023· article· en· W4385391096 sur OpenAlexfundno aff
Michel Brassard, Loïc Séguin-Charbonneau, Julien Walter, Gabriel Cormier

Notice bibliographique

RevueResearch and Review Journal of Nondestructive Testing · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueInfrastructure Maintenance and Monitoring
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésAerospaceUltrasonic sensorSoftwarePath (computing)Computer scienceTool pathCADRADIUSAlgorithmEngineering drawingAcousticsAerospace engineeringEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

This paper presents the last evolutions of a program developed in 2020 for the automated generation of optimal scanning paths for 0°LW ultrasonic inspections of complex parts. After summarizing the overall concepts of the path generation method, the paper presents two new algorithms (side following path and side/radius interpolating path) recently developed for specific geometries such as long and thin parts, or parts including nonparallel radii. Trajectories automatically generated by the software are then presented for a collection of various aerospace and industrial CFRP components. The results show that the software was able to generate optimal paths for all the tested geometries, using the part’s 3D surface CAD and the probe’s characteristics as only inputs. In particular, the addition of the new algorithms allows for the generation of satisfactory trajectories even for the parts that were previously problematic.

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)0,004
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,924
Score d'incertitude au seuil0,400

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,152
Tête enseignante GPT0,450
Écart entre enseignants0,298 · 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'étudeAutre devis
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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch and Review Journal of Nondestructive TestingMême sujetInfrastructure Maintenance and MonitoringTravaux en français237 207