Développement et validation d’une méthode de comptage de \nlamelles d’une turbine à gaz
Bibliographic record
Abstract
Les turbines à gaz sont des moteurs qui génèrent de l’énergie mécanique en compressant et brulant de l’air ambiant. Cette énergie mécanique peut être utilisée dans plusieurs domaines comme la propulsion des avions. L’inspection des turbines à gaz est réalisée à Siemens Canada. Elle permet de vérifier la qualité des turbines à gaz nouvellement construites et de déterminer le niveau de maintenance requis pour les turbines à gaz usées. Avec le temps, celles-ci peuvent subir des dommages à l’intérieur pouvant nuire à leur bon fonctionnement. L’inspection est effectuée en utilisant un boroscope qui permet de vérifier l’état interne du moteur sans le démonter. Le boroscope est constitué d’une sonde munie d’une caméra, d’une source de lumière et d’un écran sur lequel les images acquises sont affichées. Pour accéder à la partie du moteur à inspecter, l’opérateur injecte la sonde dans le trou approprié présent sur la surface externe du moteur, manipule la sonde et oriente la caméra en se basant sur ses propres connaissances de la composition du moteur et en se référant aux images acquises dans le but de bien visualiser la zone cible. Les vidéos obtenues contiennent principalement des lamelles qui passent, l’une après l’autre, jusqu’à la fin de la partie du moteur sous inspection. L’inspection des turbines est composée de trois étapes effectuées par l’inspecteur en parallèle et en temps réel. Ce sont : (1) vérifier la qualité des images acquises, (2) compter les lamelles qui passent manuellement pour s’assurer de ne pas en manquer et de ne pas en vérifier plus qu’il faut, (3) détecter les défauts présents sur les composants internes du moteur. En fait, c’est difficile de savoir quand toutes les lamelles ont été inspectées et de ne pas en inspecter plus car la référence de la lamelle par laquelle l’inspection commence n’est pas absolue, les lamelles ne sont pas numérotées. Du coup, il faut compter manuellement jusqu’à la dernière lamelle de la partie du moteur sous inspection. \n \nLe but de ce projet est de proposer une solution informatique qui libère l’inspecteur des deux premières tâches, à savoir : la qualification des images et le comptage des lamelles afin qu’il puisse se concentrer sur la détection des défauts. Cette solution, à travers une interface graphique, indiquera à l’utilisateur si les images capturées sont de bonne qualité à travers des métriques calculées. Aussi, elle contiendra un compteur de lamelles automatique, affichant le nombre de lamelles qui passent sur l’écran en temps réel. Pour cela, plusieurs traitements sur les images acquises doivent être effectués. \n \nL’automatisation de la qualification des images et du comptage des lamelles libère l’inspecteur de ces deux tâches et le laisse se concentrer sur la partie la plus importante du point de vue cognitif qui est la détection des défauts. Ceci permettra un gain de productivité et une plus grande assurance de la qualité de l’inspection pour Siemens Canada.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.003 | 0.002 |
| Insufficient payload (model declined to judge) | 0.012 | 0.006 |
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.
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".