Temat: manufacturing defect - Katalog OPAC zbiorów

Skocz do pozycji: 1.

Tytuł:: Występowanie wad w szybach zespolonych i przyczyny ich powstawania
Defects of insulating glass units
Autorzy:: Balon-Wróbel, A.
Pichniarczyk, P.
Powiązania:: https://bibliotekanauki.pl/articles/392356.pdf
Data publikacji:: 2011
Wydawca:: Sieć Badawcza Łukasiewicz - Instytut Ceramiki i Materiałów Budowlanych
Tematy:: szyba zespolona
wada
przyczyna
szkło
wada produkcyjna
błąd montażu
błąd eksploatacji
insulating glass unit
defect
cause
glass
manufacturing defect
assembly error
operational defect
Opis:: W artykule przedstawiono wady szyb zespolonych, jakie można spotkać w produkcie finalnym, wynikłe z zastosowania szkła z usterkami, powstałe w trakcie ich produkcji, montażu oraz późniejszej eksploatacji. Zwrócono uwagę na wady występujące w szybach zespolonych, które można wykryć nieuzbrojonym okiem, jak i stwierdzone w wyniku przeprowadzonych badań. Zasygnalizowane zostały niektóre przyczyny występowania przedstawionych wad.
The article presents the defects of insulating glass units which we can see in the final product as a result of using the glass with defects or arising during their manufacture, installation and subsequent operation. Attention was draw to defects in insulating glass units which can be detected with the naked eye as well as found by testing. Some causes of defects were mentioned too.
Źródło:: Prace Instytutu Ceramiki i Materiałów Budowlanych; 2011, R. 4, nr 8, 8; 106-113
1899-3230
Pojawia się w:: Prace Instytutu Ceramiki i Materiałów Budowlanych
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 2.

Tytuł:: Analiza efektywności zastosowania metody FMEA w małym przedsiębiorstwie przemysłowym
Autorzy:: Skotnicka-Zasadzień, B.
Powiązania:: https://bibliotekanauki.pl/articles/113614.pdf
Data publikacji:: 2012
Wydawca:: STE GROUP
Tematy:: przedsiębiorstwo przemysłowe
metoda FMEA
produkcja
wada produkcyjna
diagram Pareto-Lorenza
industrial enterprise
FMEA method
manufacturing
manufacturing defect
Pareto-Lorenz diagram
Źródło:: Systemy Wspomagania w Inżynierii Produkcji; 2012, 2 (2); 142-153
2391-9361
Pojawia się w:: Systemy Wspomagania w Inżynierii Produkcji
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 3.

Tytuł:: Marnotrawstwo na budowie i w produkcji
The wastes on construction site and in production
Autorzy:: Plebankiewicz, E.
Mitera, E.
Powiązania:: https://bibliotekanauki.pl/articles/40560.pdf
Data publikacji:: 2017
Wydawca:: Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Wydawnictwo Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie
Tematy:: roboty budowlane
inwestycje budowlane
produkcja
marnotrawstwo
opoznienia w realizacji inwestycji
wady jakosciowe
zarzadzanie
metoda Lean Manufacturing
metoda Lean Construction
building work
building investment
production
wastage
delay
quality defect
management
lean manufacturing
lean construction
Źródło:: Acta Scientiarum Polonorum. Architectura; 2017, 16, 2
1644-0633
Pojawia się w:: Acta Scientiarum Polonorum. Architectura
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 4.

Tytuł:: Defect Detection Using Deep Learning-Based YOLOv3 in Cross-Sectional Image of Additive Manufacturing
Autorzy:: Choi, Byungjoo
Choi, Yongjun
Lee, Moon-Gu
Kim, Jung-Sub
Lee, Sang-Won
Jeon, Yongho
Powiązania:: https://bibliotekanauki.pl/articles/2048889.pdf
Data publikacji:: 2021
Wydawca:: Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:: additive manufacturing
deposition defect
data augmentation
YOLOv3
object detection
Opis:: Deposition defects like porosity, crack and lack of fusion in additive manufacturing process is a major obstacle to commercialization of the process. Thus, metallurgical microscopy analysis has been mainly conducted to optimize process conditions by detecting and investigating the defects. However, these defect detection methods indicate a deviation from the operator’s experience. In this study, artificial intelligence based YOLOv3 of object detection algorithm was applied to avoid the human dependency. The algorithm aims to automatically find and label the defects. To enable the aim, 80 training images and 20 verification images were prepared, and they were amplified into 640 training images and 160 verification images using augmentation algorithm of rotation, movement and scale down, randomly. To evaluate the performance of the algorithm, total loss was derived as the sum of localization loss, confidence loss, and classification loss. In the training process, the total loss was 8.672 for the initial 100 sample images. However, the total loss was reduced to 5.841 after training with additional 800 images. For the verification of the proposed method, new defect images were input and then the mean Average Precision (mAP) in terms of precision and recall was 0.3795. Therefore, the detection performance with high accuracy can be applied to industry for avoiding human errors.
Źródło:: Archives of Metallurgy and Materials; 2021, 66, 4; 1037-1041
1733-3490
Pojawia się w:: Archives of Metallurgy and Materials
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Informacja

Wyszukujesz frazę "manufacturing defect" wg kryterium: Temat

Źródło danych

Dostawca treści

Kolekcja

Rok wydania

Wydawca

Temat

Autor

Typ dokumentu

Język