Juridical Recorder -tallenninjärjestelmän suunnittelu
Bibliographic record
Abstract
Opinnäytetyön tilaajana toimi GRK Suomi Oy. GRK on yksi Suomen johtavista infra-alan yrityksistä, jolla on toimintaa Suomen lisäksi myös Virossa ja Ruotsissa. GRK suunnittelee, rakentaa ja kunnossapitää teitä, väyliä, raiteita ja siltoja. Opinnäytetyö on lähellä erityisesti GRK Suomi Oy:n ratapuolen turvalaitepuolta. Opinnäytetyön tavoitteena oli suunnitella JRU-tallenninjärjestelmä relepohjaisten asetinlaitteiden tapahtumien kirjaamista varten. Aikaisemmin relepohjaisten asetinlaitteiden tapahtumien kirjaus on rajoittunut ainoastaan hätävaraisten komentojen kirjaukseen mekaanisilla laskureilla. tapahtumien kirjauksella on merkittävä turvallisuusvaikutus vaaratilanteiden analysoimisen ja estämisen kannalta. Opinnäytetyön aineisto koostui Väyläviraston vaatimuksista asetinlaitteelle, kirjallisuudesta liittyen asetinlaitteeseen ja muihin radan turvalaitteisiin, tilaajan toiveista ja ehdotuksista, Beckhoffin ohjeistuksesta laitteistoihin ja ohjelmointityökaluihin sekä osasta muita tekstejä liittyen PLC-ohjelmointiin ja koodaukseen. Työhön sisältyi perehtymistä aineistoihin ja toimivien ratkaisujen etsimistä ja testausta. Työn loppuvaiheilla virallisten testausten yhteydessä saatiin myös varmuus siitä, että järjestelmä oli hyvällä mallilla ja sitä kehitettiin oikeaan suuntaan. Järjestelmä kokonaisuudessaan ei valmistunut opinnäytetyön aikana, mikä oli odotettavissa. Kuitenkin testaukset todistivat järjestelmän olevan hyvällä mallilla ja muutamia korjauksia ja lisäyksiä vaille valmiina ensimmäistä pilottitestausta varten käyttökohteessa. Järjestelmän suunnittelu jatkuu opinnäytetyön valmistumisen jälkeen pilottitestaus seuraavana etappina.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.001 |
| Scholarly communication | 0.006 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.119 | 0.051 |
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".