MétaCan
Menu
← Retour à la cohorte
Enregistrement W7099711274

Abstract WINSAS: A New Tool for Enhancing the Performance of Eddy Current Inspection of Aging Aircraft Wheels

2009· article· en· W7099711274 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueGeochemistry and Geologic Mapping
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEddy currentSIGNAL (programming language)Eddy-current testingData acquisitionEddy-current sensorSignal processingElectrical impedanceEncoder
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Eddy current techniques are widely used in the inspection of aging aircraft. A commercial eddy current system manufactured by ANDEC is currently in use in several airline companies including: Northwest, USAir, Canadian, Lufthansa and Delta airlines. In operating this system, the eddy current probe is moved vertically while the wheel is rotated horizontally, resulting in a helical scan of the wheel outer surface. Two probe types: high and a low frequency probes, are used simultaneously to allow detection of surface and subsurface cracks. A new tool: Wheel Inspection & Signal Analysis System (WINSAS), version 1.0 has been developed and integrated into ANDEC system. WINSAS runs on a PC with Input/Output card and controls the functions of data acquisition & storage, and signal display & analysis. Data is acquired of the impedance channels, coming out of an eddyscope at time intervals determined by an encoder installed on the shaft. Use of the encoder synchronizes the data acquisition process and makes the data display and processing invariant to variations in the shaft speed. WINSAS offers robust handling and interpretation of the eddy current signal. Visualization of the eddy current signal is enhanced using several display forms: electronic strip chart, complex impedance plane, A-scan, and C-scan images. Signal interpretation is also enhanced using WINSAS utilities such as user control of the image colormap and adjustment of the vertical and horizontal A-scan track positions. Automatic classification of the eddy current signal is available in WINSAS based on a neural network approach.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,052

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0160,004

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 Opus0,015
Tête enseignante GPT0,248
Écart entre enseignants0,233 · 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

Citations0
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetGeochemistry and Geologic Mapping→Travaux en français237 207→