MétaCan
Menu
← Retour à la cohorte
Enregistrement W7066437407

Intelligent advisor for the design of preforms in stretch blow molding

2011· article· en· W7066437407 sur OpenAlexvenueno aff

Notice bibliographique

RevueNPARC · 2011
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAstrophysical Phenomena and Observations
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBottleBlow moldingMolding (decorative)Process (computing)HeuristicSet (abstract data type)Finite element methodRepresentation (politics)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Stretch blow molding is the process of choice for the production of PET containers, for the food and beverage industry as well as the pharmaceutical sector. The stretch blow molding process involves three stages, the reheat stage where previously injection molded preforms are heated to desired forming temperature distribution, followed by the forming and the solidifcation stages. The process is a high volume process with costly tooling for both the preform and the container. The design of the tooling, via virtual technologies is preferable so as to minimize costly tooling reworks. Industry has readily accepted the use of finite element technologies in the prediction of the stretch blow molding process. This acceptabce is now generating large amounts of information that are invaluable for future designs. The challenge is now to structure and make use of this information in an efficient way as possible. A design database structure has been set up for information representation from past designs, including a design, preform and bottle databases. Mathematical methodology has been established to represent preform design. The design database and a series of user-defined heuristic design rules for stretch blow molded containers are used to extract unknown input needed in the design methodology. The heuristic knowledge represents the different product characteristics based on mechanical requirements. Those rules and the data extraction will evolve and adapt themselves taking into account new design database, new rules and modified rules. The model inputs are the bottle fill level capacity, bottle diameter, bottle length and bottle transition length, whereas the outputs of the model are the preform shape and weight.

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)0,003
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,068
Score d'incertitude au seuil0,228

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0020,002
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0680,024

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 Opus0,059
Tête enseignante GPT0,251
Écart entre enseignants0,192 · 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
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
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNPARC→Même sujetAstrophysical Phenomena and Observations→Travaux en français237 207→