MétaCan
Menu
Retour à la cohorte
Enregistrement W4399726063 · doi:10.1117/12.3017649

Optical tolerances analysis methodology using realistic optomechanical models

2024· article· en· W4399726063 sur OpenAlexaff
Nathalie Blanchard, Frédéric Lamontagne, Michel Doucet

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMedicine
ThématiqueOcular and Laser Science Research
Établissements canadiensInstitut National d'Optique
Organismes subventionnairesnon disponible
Mots-clésComputer science

Résumé

récupéré en direct d'OpenAlex

Tolerance analysis is a critical part of the optical design process because it helps predict system real performance, after manufacturing and assembly. To obtain reliable predictions, it is mandatory to use realistic optomechanical models. INO developed Comet software, a powerful standalone application for realistic optical tolerancing analysis. A previous paper demonstrates how a better modeling helps avoid the production of overly expensive optical systems with excellent performances, or on the other hand, the production of inexpensive optical systems with unexpectedly erratic performances. This article presents the methodology used to find the best centering method for an infrared dual-band objective. INO’s Comet standalone software application is used to perform the optomechanical tolerance analysis and computes the perturbations to be applied in the optical tolerance analysis. It will be demonstrated how Comet is quick and easy to use for comparing several centering concepts, helping to find the best trade-off between optical performances and ease of manufacturing. The studied infrared dual-band lens requires almost diffraction limited performances to fulfill the needs of the foreseen application. Therefore, two accurate centering techniques are considered: the active alignment and the QuickCTR autocentering technique. The active alignment is the most accurate method for centering optical elements, but requires expensive instrumentation, human manipulation, and cure time for the adhesive. The QuickCTR auto-centering techniques are almost as accurate as the active alignment but requires a fraction of the effort for centering, thus is less expensive to implement. The presented methodology will show how to get the best compromise by using both techniques.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,334
Tête enseignante GPT0,499
Écart entre enseignants0,165 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetOcular and Laser Science ResearchTravaux en français237 207