Beläggningar -ett examensarbete i sammarbete med F.O.V Fabrics
Bibliographic record
Abstract
Bakgrund: F.O.V Fabrics har fått förfrågningar från sina kunder angående en beläggning som idag enbart finns pigmenterad. Kunder har efterfrågat en transparent variant av denna, vilken företaget nu vill undersöka möjligheterna för att förverkliga. Beläggningen skall bibehålla uppsatta kvalitetskrav. Syfte: Att försöka ta fram en transparent beläggning som bibehåller sina egenskaper gällande vattentäthet samt ånggenomsläpp. Metod: Laborationer har utförts både i liten och stor skala på Textilhögskolans färg- och beredningslabb. F.O.V har utifrån de småskaliga testerna, valt ut några prover, vilka vi tillsammans gått vidare med att testa storskaligt på Textilhögskolans labb. Kvalitetstester har sedan utförts på F.O.V. Huvudresultat: Som svar på vår problemformulering, har vi efter utförd undersökning, kommit fram till att vi, utifrån de givna parametrar vi tillhandahållit, inte går att få fram en transparent beläggning, vilken uppfyller de önskvärda kvalitetskraven.Ett viktigt resultat som dock framkommit av undersökningen var att om materialet bestryks med tillräcklig mängd pasta, räcker det med två lager, vilket är en stor kostnadsfördel gentemot trelagersbestrykning.
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 | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.268 | 0.100 |
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".