MétaCan
Menu
Retour à la cohorte
Enregistrement W7132387222

Total friction management on Canadian Pacific

2009· article· en· W7132387222 sur OpenAlexvenueaboutno aff
M D Roney, Donald T. Eadie, Kevin Oldknow, Rob Caldwell, Peter S. Sroba, Marco Santoro

Notice bibliographique

RevueNPARC · 2009
Typearticle
Langueen
DomaineEngineering
ThématiqueRailway Engineering and Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTonnageUpgradeTrack (disk drive)Unit (ring theory)Control (management)CrusherState (computer science)Government (linguistics)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Canadian Pacific Railway (CPR) has been a leader in implementation of new friction control technology. Following earlier trials, we report the design, justification, roll out and early results of Total Friction Management (TFM) (CF plus TOR) over all high tonnage lines in Western Canada. Tools and processes needed for implementing TFM over a large territory are described. The roll out incorporates state of the art equipment and materials for CF and TOR application, logistics considerations for material handling, and maintenance issues through dedicated TFM staff. Development of a holistic economic case for this TFM project is discussed. Prior results were used to quantify expected savings in rail, ties, and track regauging. Wheel replacement savings were estimated. Locomotive fuel savings were projected by model. Together with the appropriate costs, the expected savings were used to develop an overall business case. TFM implementation involves installation of 325 TOR wayside applicators over 923 route miles between Calgary to Vancouver, as well as optimization and upgrade of 216 wayside CF units. Remote Performance Monitoring is used to manage unit maintenance. Performance verification includes use of L/V sites for TOR effectiveness, and regular high speed tribometer runs to validate and optimize CF performance. Monitoring of the project to date indicate fuel savings (>5% ) well in excess of those used to justify the project.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,887
Score d'incertitude au seuil0,324

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,004
Tête enseignante GPT0,164
Écart entre enseignants0,161 · 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 tête enseignante, 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
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNPARCMême sujetRailway Engineering and DynamicsTravaux en français237 207