MétaCan
Menu
← Retour à la cohorte
Enregistrement W7133283548

Enquête sur le givrage des selles de rail (« ice jacking »)

2022· other· en· W7133283548 sur OpenAlexfundno aff
Yin Gao

Notice bibliographique

RevueFederal Open Science Repository of Canada / Le Dépôt fédéral de science ouverte du Canada · 2022
Typeother
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesTransport Canada
Mots-clésJackingBallastFastenerSnowTrack (disk drive)Icing
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Tie plate icing (or ice jacking) is a cold weather railway phenomenon understood as a build up of ice and/or snow between the tie plate and the base of the rail, which causes a safety risk to railways in cold climates, and has caused derailments in the past. In addition to an investigation into root causes, this report sought to understand operational safety impacts, identify potential monitoring methods, and propose remedial actions to the phenomenon. Three field inspections occurring between January and April of 2022 were performed, measuring weather conditions and site and track characteristics to determine lateral track gage strength and widening. Conditions of concern were identified as areas where rail is not tightly seated to the tie plate, and inclement weather causes snow or ice to accumulate. Tie degradation, fastener deterioration, ballast fouling, high rail neutral temperature, hanging ties, and rail pumping were all risk-contributing factors. “Snow jacking” vs. “ice jacking” are also identified as separate weather conditions with jacking mechanics distinguishable from one another. Some measures identified to mitigate these conditions include improved drainage design, manual ice removal, geometry tightening, and degraded tie and fastener replacement. To better understand the mechanics of these conditions, a preliminary finite element model was developed including the variables of fastening conditions, jacking severity, and rail neutral temperature and curvature. Future work is suggested to validate this model through laboratory testing, along with a survey of railroad companies’ best practices for inspecting, identifying, and remediating the issue beyond those identified in this report.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,086
Score d'incertitude au seuil0,171

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0140,003

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 Opus0,012
Tête enseignante GPT0,229
Écart entre enseignants0,216 · 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'étudeObservationnel
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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFederal Open Science Repository of Canada / Le Dépôt fédéral de science ouverte du Canada→Travaux en français237 207→