MétaCan
Menu
Back to cohort
Record W7036311035

Automatisation du procédé de béton projeté : contrôle du rebond et vision numérique

2023· other· fr· W7036311035 on OpenAlexaboutno aff

Bibliographic record

Venuenot available
Typeother
Languagefr
FieldChemistry
TopicWood and Agarwood Research
Canadian institutionsnot available
Fundersnot available
KeywordsParticipatory democracyUTC offsetESPACE
DOInot available

Abstract

fetched live from OpenAlex

Le virage technologique débutant dans le secteur du génie civil a permis la création d'outils et de procédés tournés vers le numérique et l'automatisation. Le béton projeté, qui comprend un grand potentiel d'automatisation, ne doit pas faire exception à la règle puisque l'avancement et l'optimisation des méthodes de production sont clairement poussés en avant par cet élan technologique. Le Laboratoire de béton projeté de l'Université Laval travaille depuis plus de 15 ans sur plusieurs initiatives de recherche visant à comprendre et à améliorer la méthode de mise en place qu'est le béton projeté. Sur cette base de réflexion, un effort de recherche visant à réduire le rebond et à automatiser le procédé par voie sèche avec un bras robotisé a été lancé avec le projet SPARO. Le présent projet de recherche se place dans sa continuité directe, et il s'articule autour de 4 axes principaux : optimisation et compréhension du phénomène de rebond, étude de l'influence de l'automatisation du procédé sur les propriétés du béton projeté durci, amélioration de l'autonomie du procédé et enfin, développement d'une assistance au lancier. La première partie du projet contribue à la compréhension des interactions entre les différentes trajectoires et le rebond, notamment avec l'utilisation de la trajectoire dite planétaire. Elle présente des valeurs de rebond remarquablement faibles et proches de celles obtenues usuellement par voie humide; elle apporte le concept de rebond fondamental du matériau et génère moins de rebonds que la trajectoire « classique » largement adoptée par les lanciers. L'hypothèse soutenue est que la trajectoire optimale est celle qui, pour une consigne d'épaisseur donnée, couvre une surface de taille maximale, tout en s'assurant que chaque portion de cette surface soit impactée, ou excitée, en permanence de façon à dépasser une fréquence énergétique critique du substrat, facilitant la capture des particules. L'étude des propriétés du béton projeté à l'état durci souligne que la technique de mise en place a un effet important sur la résistance en compression. Une diminution de 7% est observée entre la méthode automatisée et un projeteur traditionnel; en revanche, aucun changement n'a été observé pour la porosité. Dans la contribution à l'automatisation globale du système, l'utilisation de la vision numérique a montré des résultats très satisfaisants. Une méthode automatique de mesure de l'épaisseur projetée et de sa correction a été développée à l'aide d'un capteur LIDAR. En parallèle, l'adaptation de certains capteurs a permis de développer un système d'aide au lancier, offrant des renseignements sur l'angle et la distance de la lance par rapport à la surface projeté.

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: Not applicable · Consensus signal: none
GenreCandidate signal: Other · Consensus signal: none
Teacher disagreement score0.005
Threshold uncertainty score0.017

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0010.001
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0010.000
Bibliometrics0.0010.000
Science and technology studies0.0010.001
Scholarly communication0.0020.001
Open science0.0010.001
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0050.001

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.

Opus teacher head0.010
GPT teacher head0.287
Teacher spread0.277 · 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 designNot applicable
Domainnot available
GenreOther

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
Published2023
Admission routes1
Has abstractyes

Explore more

Same topicWood and Agarwood ResearchFrench-language works237,207