Kappaletarkastusautomaatio tarkkuusvalimossa
Bibliographic record
Abstract
Työn toimeksiantajana oli Suomen ainoa teollisessa mittakaavassa toimiva tarkkuusvalimo Sacotec Components Oy Riihimäeltä. Yrityksessä haluttiin selvittää nykyaikaisten konenäköratkaisujen soveltuvuus tarkkuusvalukappaleen tarkastamiseen. \n \nTyön tavoitteena oli joko löytää valmis laitteisto tai luoda suunnitelma sellaisen valmistamiseksi. Valmista ratkaisua ei löytynyt markkinoiden kartoittamisen jälkeen, joten työssä toteutetaan tarkkuusvalukappaleen tarkastusautomaation esisuunnittelu niin, että työn tulosten perusteella voidaan pyytää tarjouksia laitteen varsinaiseksi suunnittelemiseksi ja toteuttamiseksi. \n \nTyössä käydään läpi tarkkuusvaluprosessi toimeksiantajan tuotannossa, osa menetelmälle tyypillisistä virheistä sekä tarkkuusvalukappaleen tarkastusprosessia ja -kriteereitä. Tarkastusautomaatiolaitteen suunnittelun tueksi työssä käydään läpi konenäön yleistä teoriaa sekä erotuskykyyn ja tarkkuuteen vaikuttavia tekijöitä. Lisäksi työssä luodaan katsaus konenäössä käytettyihin komponentteihin ja niiden ominaisuuksiin. \n \nTyön tuloksena saatiin vastaus asetettuihin kysymyksiin, luotiin tarkastusautomaatiolaitteelle vaatimusmäärittely ja keskeisten toimintojen kuvaus.Työtä on jo hyödynnetty keskusteluissa ja tarjouspyynnöissä mahdollisten toimittajien kanssa.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.003 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.036 | 0.066 |
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; both teacher heads agree on what is shown here.
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".