Modeling the matching stage of <scp>HDPE</scp> hot plate welding: A study using regression and support vector machine models
Notice bibliographique
Résumé
Abstract This research studies the material displacement of high‐density polyethylene (HDPE) during the initial stage of the hot plate welding (HPW) process, called the Matching stage. Newly developed mathematical models simulate the relationship between the main process parameters (force, temperature, and time) and the size of the surface area. The collected data was used to develop four mathematical models for material displacement and time. Two models are machine learning based models (support vector machines). The other two models are regression models in the form of functions. In addition, this study provides a visual representation of HDPE melt displacement with the changes in temperature and pressure. The obtained results indicate that these models can be used for developing a parameter adjustment process or determining specifications for new production equipment. The potential applications of the developed models can be extended to industries that use HPW of HDPE, such as automotive or aerospace. This could result in significant savings in the amount of scrap and waste due to inaccurate and ad hoc settings that currently take place in the industry. Highlights Study of HDPE material displacement in the hot plate welding Matching stage. Visualization of HDPE melt displacement with temperature and pressure changes. Development of SVM and mathematical regression models. Applications in parameter adjustment and equipment specification. Savings in scrap and waste by reducing inaccurate settings.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».