Efficient uncertainty estimation of indirectly measured geometric errors of five-axis machine tools via Monte-Carlo validated GUM framework

Saeid Sepahi-Boroujeni, J. R. René Mayer, Farbod Khameneifar

Article de revue (2021)

Accéder à ce document
Lien externe
Ce document n'est pas archivé dans PolyPublie, mais peut être consulté chez l'éditeur officiel
Adresse URL de PolyPublie:
Titre de la revue :
Precision Engineering ( vol. 67 )
Maison d'édition:
Elsevier Inc.
OAI:
oai:publications.polymtl.ca:46555
ORCID
Date du dépôt:
18 avr. 2023 15:00
Dernière modification:
14 oct. 2026 14:00
Citer en APA 7:
Sepahi-Boroujeni, S., Mayer, J. R. R., & Khameneifar, F. (2021). Efficient uncertainty estimation of indirectly measured geometric errors of five-axis machine tools via Monte-Carlo validated GUM framework. Precision Engineering, 67, 160-171. https://doi.org/10.1016/j.precisioneng.2020.09.027

Statistiques

Dimensions

Actions réservées au personnel

Afficher document
Afficher document