MétaCan
Menu
Retour à la cohorte
Enregistrement W7162121274 · doi:10.82308/46453

Analysis tool as a service: A cloud-based microservices architecture for the design and analysis of aero-derivative gas turbines

2020· dissertation· en· W7162121274 sur OpenAlexaboutno aff
Maruthi Rangappa

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineComputer Science
ThématiqueSoftware System Performance and Reliability
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMicroservicesGas turbinesArchitectureFlux (metallurgy)

Résumé

récupéré en direct d'OpenAlex

La conception de systèmes cyber-physiques complexes tels que les turbines à gaz aéro-dérivées (AGT) chez Siemens Canada, nécessite l'exécution de flux de travaux multidisciplinaires dans lesquels des outils d'analyse intensifs en calcul sont exécutés. Un cadre d'intégration d'outils basé sur le flux de travail facilite le chaînage des outils dans le flux de travail, minimise le transfert et la conversion de données et permet l'appel automatique d'outils à l'aide de connecteurs d'outils.Le cadre d'intégration d'outils existant à Siemens Canada nécessite l'exécution locale des outils d'analyse, ce qui se traduit par des performances limitées pour des analyses complexes en raison des ressources informatiques limitées. Lorsqu'une analyse doit être exécutée pour plusieurs configurations provenant de paramètres de conception, une méthode d'exécution séquentielle est utilisée, où l'analyse de la configuration suivante ne démarre qu'une fois l'analyse de la configuration précédente terminée. L'objectif principal de cette thèse est de proposer un cadre qui supporte l'exécution parallèle distribuée d'outils d'analyse pour réduire le temps d'exécution global de l'analyse.Dans ce mémoire, je vise à résoudre ces problèmes avec des architectures de microservices basées sur le nuage dans le cadre d'intégration d'outils basés sur le flux de travail et l'exécution parallèle et distribuée d'outils d'analyse à l'aide d'instances répliquées de services Web fournissant les fonctionnalités de l'outil et accessibles via des API RESTful. En guise de preuve de concept, j'ai implémenté des services Web pour encapsuler deux outils d'analyse - un outil d'analyse du Système d’Air Secondaire et un outil d'analyse par éléments finis - utilisés dans la conception des AGT et un module d'orchestration des services pour déployer et gérer ces services. L'évaluation réalisée à l'aide de ces services prouve que les microservices basés sur le nuage contribuent à réduire les temps d'exécution en exécutant plusieurs analyses en parallèle sur une infrastructure cloud distribuée malgré la surcharge du transfert de données et de l'orchestration des services

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0030,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,013
Tête enseignante GPT0,265
Écart entre enseignants0,252 · 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'étudeSans objet
Domainenon disponible
GenreMéthodes

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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSoftware System Performance and ReliabilityTravaux en français237 207