Simulación de esfuerzos mecánicos sobre las férulas para miembros superiores
Bibliographic record
Abstract
La simulación computacional apoyada del software CAE ayuda a validar los prototipos, los mismos que tienen características de funcionalidad es decir que están sometidas a cargas operativas, la simulación se basa en la aplicación de las etapas de preproceso, proceso y postproceso. En la etapa del preproceso se determina las condiciones geométricas de las férulas las mismas que son obtenidas mediante la aplicación de la ingeniería inversa como es el escaneo en 3D, en esta etapa se definirá el tipo de material con la que se construirá la férula para esta investigación se propone el material PLA (Polylactic Acid), se establece las condiciones de contorno que son las restricciones de funcionamiento al igual que las cargas que serán sometidas, se establece una análisis de la calidad de malla para que los resultados lleguen a converger. En la etapa de proceso se establecen parámetros de resolución en función de los resultados que se requieren obtener análisis mecánico estructural junto con una herramienta de optimización topológica. En la etapa de postproceso, se estable los resultados de deformación y esfuerzos que son producidos por la acción de las cargas actuantes en la férula, donde se puede establecer algunas imperfecciones sobre la superficie de la férula, con la información proporcionada de análisis CAE, se llega a determinar su correcto funcionamiento y resistencia mecánica para la etapa final que es la manufactura.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".