Initiative sur le soudage laser à haute productivité, un projet de collaboration multipartite par le groupe de recherche et développement industriel METALTec du CNRC
Notice bibliographique
Résumé
Ces dernières années, les applications en soudage laser sont en constante augmentation dans différentes industries, notamment dans le secteur du transport. Pour augmenter la productivité d'une cellule de soudage laser, un projet de collaboration multipartenaires est défini dans le cadre du groupe industriel de R&D METALTec, qui compte plus de 25 membres et partenaires issus de l’industrie, du milieu académique et des centres de recherche. Le lancement et les progrès de ce projet sont rendus possibles grâce à la collaboration importante de nombreuses femmes, notamment Mélissa Després, chef de programme META; Marie Christine Gagnon, gestionnaire du groupe METALTec; Julie Menier, gestionnaire de projet; Marie-Frédérique Biron, conseillère en contrats stratégiques; Fatemeh Mirakhorli, chercheuse/experte en soudage laser; Myriam Poliquin et Geneviève Simard, agentes techniques ainsi que Lorraine Blais, collaboratrice industrielle. Il importe de mentionner que ce projet est réalisé en collaboration avec plusieurs collègues masculins, notamment François Nadeau, chef technique en fabrication avancée de composantes allégées, et David Prud'homme, chef des relations avec les membres. L'objectif principal de ce projet sera de développer une cellule de soudage laser intelligente pour l’industrie 4.0 en utilisant des systèmes de contrôle multi-capteurs et d'inspection laser ultrasonique en ligne avec des méthodes d'apprentissage machine.
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 | 0,003 | 0,002 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».