MétaCan
Menu
Back to cohort
Record W6987847249

Tuulimyllyjen generaattorien laakeroinnin sähköiset vauriot

2018· other· fi· W6987847249 on OpenAlexaboutno aff

Bibliographic record

VenueTheseus (Ammattikorkeakoulujen) · 2018
Typeother
Languagefi
Field
Topic
Canadian institutionsnot available
Fundersnot available
KeywordsWork (physics)Paid workQuarter (Canadian coin)
DOInot available

Abstract

fetched live from OpenAlex

Opinnäytetyö tehtiin Haminan Mäkelänkankaan tuulivoimapuiston omistajan, Suomen Voima Oy:n tehtävänannosta. Työn tarkoituksena oli tutkia generaattorilaakerien toistuvien vaurioitumisien juurisyy, sekä sen pohjalta parantavat toimenpiteet joilla laakerien kestoikää saadaan paremmaksi. \n\nTyön teoriaosuudessa on käsitelty vuotovirtailmiötä sekä sen mahdollisia syntymekanismeja. Värähtelydataa on kerätty vuodesta 2012, minkä perusteella laakerien vaurioitumisen eteneminen on saatu hyvin ennustettavaksi kyseisillä generaattoreilla. Työssä käytetyt mittalaitteet ja ohjelmat on esitelty teoriaosuudessa.\n\nTyön analysointiosuus perustuu tehtyihin mittauksiin, joissa otettiin huomioon kyseiselle generaattorityypille havaitut vaurion etenemisen muodot. Tehtyjen analysointien ja havaintojen perusteella suositeltiin siirtymistä hybridilaakereiden, eli keraamisilla kuulilla varustettujen laakereiden käyttöön. Työn alussa generaattoreihin oli asennettu sisäkehältään eristetyt laakerit, joiden kestoikä vaihteli 3–4 vuotta. Kokeilussa oli myös kokonaan eristämätön laakeri, jonka kestoikä oli ainoastaan 4 kuukautta. \n\nTehtyjen havaintojen ja värähtelyanalysointien perusteella voidaan suositella tuulimyllyjen generaattorien laakerointeihin käytettäväksi ainoastaan hybridilaakereita, jotta saavutetaan haluttu kestoikä. Hybridilaakerit ovat sähkönkulun kannalta paras ratkaisu laakerivirtaongelmiin niiden eristävyyden takia, koska metalli–metalli–kontaktia ei pääse syntymään. Hybridilaakerin kalliimpi ostohinta saadaan kustannusten puolelta katettua, jo yhdenkin laakerin vaihdon kustannuksilla. Hybridilaakerien menekin takia niiden hinta on pudonnut jo lähes eristetyn laakerin kustannustasolle, joten edes uusioasennuksissa ei kannata enää käyttää tavallisia, tai kehältään eristettyjä laakereita.

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 imitation

Not 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.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.001
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.021
Threshold uncertainty score0.071

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0010.001
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0010.001
Science and technology studies0.0030.001
Scholarly communication0.0030.003
Open science0.0010.003
Research integrity0.0010.002
Insufficient payload (model declined to judge)0.0210.006

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.

Opus teacher head0.024
GPT teacher head0.269
Teacher spread0.244 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2018
Admission routes1
Has abstractyes

Explore more

Same venueTheseus (Ammattikorkeakoulujen)French-language works237,207