MétaCan
Menu
Retour à la cohorte
Enregistrement W4393128044 · doi:10.1299/jsmemecj.2023.s401-04

Contributing to the creation of sustainable local communities by utilizing our core competence, precision die and mold manufacturing technology

2023· article· en· W4393128044 sur OpenAlexaff
Takao Itō

Notice bibliographique

RevueThe Proceedings of Mechanical Engineering Congress Japan · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueEducational Robotics and Engineering
Établissements canadiensMD Precision (Canada)
Organismes subventionnairesnon disponible
Mots-clésMoldCore competencyDie (integrated circuit)Competence (human resources)Manufacturing engineeringCore (optical fiber)BusinessEngineeringMechanical engineeringMaterials scienceManagementMarketingEconomicsComposite materialTelecommunications

Résumé

récupéré en direct d'OpenAlex

Nissin Precision Machines Co., Ltd. (Nissin), a distinguished Japanese-based medium-sized enterprise renowned for its expertise in precision die and mold manufacturing technology, has strategically targeted one of the biggest vertical markets, the industrial manufacturing industry, and effectively bolstered the growth of leading worldwide manufacturers. Primarily attributed to Nissin’s superior manufacturing techniques that are capable of processing steel materials and nonferrous metals to tolerances within micron or sub-micron increments, and of creating state-of-the-art deep drawing press stamping products (forming long and narrow cup shapes from sheet metal) by progressive press stamping dies, Nissin has consistently and successfully achieved an excellent reputation among its peers and clients today. However, in recent years, it has become increasingly evident that refining manufacturing technology alone is no longer sufficient to enhance corporate value. Recognizing the evolving times, Nissin acknowledges the non-financial endeavors that contribute to community development, particularly through such GX activities as decarbonization and the transition from fossil-based plastics to plant-based alternatives. As a public entity within society, Nissin is cognizant of the significance of these endeavors. Consequently, Nissin not only strives to produce the next-generation motor cores for electric vehicles, necessitating precision die making technology to perforate through large, thin metallic materials, but also, along with designing a compelling marketing strategy to promote the value of the biomass plastic products, ventures into molding thin wall Poly-Lactic Acid (PLA) resin products utilizing CO2 microcellular foam injection technology.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,003
Communication savante0,0040,003
Science ouverte0,0010,009
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0130,004

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 Opus0,014
Tête enseignante GPT0,242
Écart entre enseignants0,229 · 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'étudeSans objet
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Proceedings of Mechanical Engineering Congress JapanMême sujetEducational Robotics and EngineeringTravaux en français237 207