EVALUASI KEKUATAN STRUKTUR BAJA BERGELOMBANG BERDASARKAN TIPE DAN KETEBALAN
Notice bibliographique
Résumé
Material konstruksi struktur baja bergelombang mempunyai tiga tipe yaitu standar, deep dan superdeep. Tiga tipe ini dibedakan dari dimensi penampang sehingga terdapat perbedaan nilai momen inersia, semakin besar momen inersia maka bentang maksimum yang diaplikasikan bisa semakin lebar. Di Indonesia material konstruksi ini sudah difungsikan sebagai struktur jembatan. Penilaian kekuatan konstruksi struktur baja bergelombang berdasarkan tiga kriteria yaitu compression failure, plastic hinge, dan connection failure. Pada saat perencanaan diperlukan iterasi perhitungan untuk mendapatkan pemilihan tipe dan ketebalan yang optimum, maka dilakukan perhitungan dan analisis pada lebar bentang 15 meter dengan bentuk konstruksi setengah lingkaran agar diketahui peningkatan persentase kekuatan setiap perubahan tipe dan ketebalan baja yang digunakan. Metode perhitungan berdasarkan pedoman yang dikeluarkan oleh Canadian Highway Bridge Designs Code. Berdasarkan hasil perhitungan semakin besar nilai momen Inersia akan semakin menambah kekuatan dari struktur baja bergelombang. Hasil evaluasi menunjukkan rata-rata penambahan kekuatan 3 parameter tinjauan pada masing-masing tipe dan ketebalan baja adalah untuk tipe standar kenaikan rata-rata nilai wall strength compression sebesar 9%, kenaikan rata-rata seam strength 3% dan kenaikan rata-rata plastic hinge 11%. Untuk tipe deep kenaikan rata-rata nilai wall strength compression sebesar 24%, kenaikan rata-rata seam strength 25% dan kenaikan rata-rata plastic hinge 19%. Untuk Tipe Superdeep kenaikan rata-rata nilai wall strength compression sebesar 41%, kenaikan rata-rata seam strength 27% dan kenaikan rata-rata plastic hinge 34%. Hasil tersebut memperlihatkan kenaikan rata-rata kekuatan tertinggi ada pada tipe baja bergelombang tipe superdeep.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,004 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,085 | 0,360 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».