Liitoskomponenttien automatisointi
Bibliographic record
Abstract
Työn tavoitteena oli automatisoida suunnitteluprosessia. Automatisoitava asia oli liitoskomponenttien lisääminen instrumenteille. Alfa Laval Rauma suunnittelee pakokaasun lämmön talteenottokattiloita ja erilaisia höyryjärjestelmiä. Laitteet sisältävät useita putkistojen ja instrumenttien (venttiilit, lauhteenpoistimet yms.) välisiä laippaliitoksia, jotka sisältävät tietyt vakiokomponentit. Tällaisiä vakiokomponentteja ovat tiivisteet, aluslaatat, mutterit ja ruuvit. Nykyisellään kokoonpanopiirustusta tehdessä suunnittelija joutuu valitsemaan manuaalisesti vakiokomponentit komponenttikirjastosta, laskemaan niiden lukumäärät ja tekemään vastaavat osanumeroinnit kokoonpanopiirustukseen. Järjestelmä vähentää tähän työvaiheeseen kuluvaa aikaa ja näin ollen suunnittelijat voivat käyttää työaikaansa olennaisempiin asioihin kuin yksinkertaisen ja toistuvan työvaiheen toteuttamiseen. Järjestelmä vähentää myös inhimillisten virheiden määrää, jotka voivat pahimmillaan viivästyttää asiakkaalle toimitettavan laitteiston käyttöönottoa. Alfa Lavalin toimittamat järjestelmät sijaitsevat usein ei asutuilla seuduilla, joten väärien komponenttien korvaaminen oikeilla voi viedä useita päiviä.
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 | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.076 | 0.042 |
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".