MétaCan
Menu
Retour à la cohorte
Enregistrement W7132527051

Advances in a next generation measurement & inspection system for automated fibre placement

2019· article· en· W7132527051 sur OpenAlexvenueno aff
Marc Palardy-Sim, Maxime Rivard, Guy Lamouche, STEVEN ROY, Christian Padioleau, André Beauchesne, Daniel Lévesque, Louis-Guy Dicaire, Jonathan Boisvert, Shawn Peters, Jihua Chen, Marc-André Octeau, Julieta Barroeta Robles, Jay Hissett, David Swope, Stephen George Albers, Robert A. Harper, Ken Wright, Brad Buhrkuhl, Marcus Klakken, G. Lund, Ali Yousefpour

Notice bibliographique

RevueNPARC · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueIndustrial Vision Systems and Defect Detection
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAutomated optical inspectionAutomated X-ray inspectionVisual inspectionProcess (computing)Overhead (engineering)FidelityOverlayOptical fiberSensitivity (control systems)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Achieving the high production rates promised by automated fibre placement (AFP) is often hindered by lengthy and variable manual intervention, predominantly 100% visual inspection of every deposited ply; introducing machine stoppages, the risk of quality escapes, and the cost overhead of employing a manual inspection system with low fidelity measurement aids. An in-situ inspection system embedded in the manufacturing process is a vital enabler to achieve world class manufacturing performance. This paper describes a new and innovative measurement solution based on an optical, interferometric imaging technique called optical coherence tomography (OCT). The system’s characteristics facilitate the design of a compact probe which can be easily integrated onto the AFP head and allow measurements very close to the compaction roller nip point. The high fidelity system shows little sensitivity to differences in material reflectivity and sensor to part incident angle. This paper will cover the initial implementation and system demonstration in a TRL 6 production mature environment using a Viper AFP machine from Fives-Cincinnati. Results will demonstrate the ability of this novel inspection system to accurately detect and measure defects to verify part inspection compliance.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,773
Score d'incertitude au seuil0,360

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 Opus0,041
Tête enseignante GPT0,244
Écart entre enseignants0,203 · 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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNPARCMême sujetIndustrial Vision Systems and Defect DetectionTravaux en français237 207