Fragmenta, Predicción de Fragmentación por Tronadura Donde los Brazos Aprendidos No Explican Nada en un Sitio No Visto
Doce brazos predicen el tamaño medio de fragmento de una tronadura de banco sobre dieciséis casos y se puntúan bajo tres formas de dividir la misma tabla: seis formas cerradas clásicas (Kuznetsov, Kuz-Ram, Swebrec, zona de trituración, dos regresiones publicadas) y seis aprendidos (una red de retropropagación, regresión por vectores de soporte, bosque aleatorio, gradient boosting, un apilado, un reajuste de la regresión publicada). El resultado que el producto existe para reportar es negativo: bajo dejar-un-sitio-fuera ninguno de los seis brazos aprendidos explica varianza alguna, el mejor con -0,034 contra un modelo nulo en -0,216, mientras los únicos dos brazos que se mantienen positivos en un sitio nunca visto son los dos con coeficientes fijos, la regresión publicada en 0,802 y Kuznetsov en 0,311. El motor es el paquete blastfrag publicado por separado. Ciclo de vida: en construcción.
Contexto de Negocio
Un ingeniero de tronadura que elige un predictor para un sitio nuevo quiere saber en qué brazo confiar antes del primer disparo. Fragmenta responde con el protocolo honesto: en un sitio que el modelo nunca ha visto, los brazos ajustados no son habilidad, y las dos fórmulas de coeficientes fijos son las únicas que se mantienen positivas; el brazo clásico mejora bajo dejar-un-sitio-fuera, desde negativo en una división aleatoria, porque no tiene nada que sobreajustar. El criterio de eliminación, que exige un puntaje positivo y un margen de 0,10, se reescribió después de que una versión anterior declarara éxito sobre dos fallas, y se disparó. La reproducibilidad se declara con precisión: byte a byte idéntica dentro de un entorno, mejor que 3e-08 relativo entre sistemas operativos, porque dos construcciones del mismo numpy fijado reducen un producto punto en distinto orden; ambas mitades están en compuertas de CI.
Valor Estratégico
Fragmenta es el miembro de Faena que reporta un resultado negativo como su titular y lo mantiene en la portada. El release 0.03.000 auditó el frontend contra los pisos cuantificados de los ADR después de que su dueño señalara la barra izquierda: la barra medía 1.717 px de alto en una ventana de 800 px, el control de casos eran dieciséis fichas bajo seis encabezados, el instrumento ocupaba de 0,22 a 0,32 de la pantalla; cada ruta ahora compone el shell compartido, el control de casos es un selector con grupos, la barra termina dentro de la ventana, y 204 chequeos de navegador corren sobre el sitio desplegado. Su ciclo de vida en el hub es en construcción: desplegado es un hecho, a la altura es decisión de su dueño, y la tarjeta lo dice.
El Desafío
La predicción de fragmentación tiene una escalera publicada desde Kuznetsov en 1973 hasta los ensambles apilados, y la mayoría de los artículos aprendidos reportan una división aleatoria de tronaduras del mismo sitio, donde un modelo que memoriza el sitio parece hábil. La pregunta que un planificador de mina necesita responder es distinta: qué sabe un método sobre un sitio que nunca ha visto. Responderla exige la misma tabla puntuada de tres maneras, un criterio de eliminación escrito antes de la corrida, y brazos que se niegan en lugar de adivinar cuando falta una entrada. Los artículos fuente que contienen las tronaduras medidas tienen derechos de autor y no pueden redistribuirse, así que el corpus tiene que reutilizarse como hechos experimentales citados con los PDF fuera del repositorio mediante una guarda.
Nuestro Enfoque
Dieciséis casos en seis categorías, desde un corpus de 97 tronaduras de banco publicadas (doi:10.1002/nag.957), un conjunto de prueba publicado de 14 tronaduras (doi:10.1007/s10706-012-9496-3) y 5 tronaduras de campo de acceso abierto (doi:10.3390/app15031254, CC BY). Doce brazos aparecen en cada caso con un número o con una negativa que nombra la entrada faltante: Kuznetsov, Kuz-Ram, Swebrec, el modelo de zona de trituración y dos regresiones publicadas por el lado clásico; una red de retropropagación Levenberg-Marquardt, regresión por vectores de soporte, bosque aleatorio, gradient boosting, un apilado y un reajuste de la regresión publicada por el lado aprendido. Tres protocolos de división puntúan la misma tabla: aleatorio, el conjunto de prueba publicado y dejar-un-sitio-fuera. La ciencia vive aguas arriba en blastfrag, un paquete publicado por separado y consumido como dependencia fijada (desde PyPI a partir de 0.04.005, con números idénticos al anclaje por etiqueta git); el producto no declara paquete propio y una guarda de CI falla la construcción si alguna vez aparece una tabla de proyecto. El horneado pasa por nueve etapas y una compuerta de release que relee y vuelve a calcular el hash de lo que escribió y falla ante una sola abstención sin explicar; una compuerta de navegador recorre cada ruta, seis pestañas del banco de trabajo, tres ventanas y ambos temas sobre el sitio construido antes de que el despliegue lo publique.
Indicadores Clave de Rendimiento
| KPI | Línea Base | Resultado | Impacto |
|---|---|---|---|
| El protocolo honesto | Una división aleatoria de tronaduras del mismo sitio: memorizar el sitio parece habilidad | Dejar-un-sitio-fuera: mejor brazo aprendido -0,034 contra un nulo en -0,216; la regresión publicada 0,802 y Kuznetsov 0,311 los únicos positivos | Los brazos ajustados no son habilidad en un sitio que no han visto |
| Un criterio de eliminación que se disparó | Una versión anterior declaró éxito sobre dos fallas | Se exige un puntaje positivo y un margen de 0,10, escrito antes de la corrida; los brazos aprendidos no lo cumplen | El sitio reporta la falla en lugar del margen |
| Reproducibilidad declarada como medida | Una coincidencia de hash o nada | Byte a byte idéntica dentro de un entorno; mejor que 3e-08 relativo entre sistemas operativos en los dieciséis casos; ambas en compuertas de CI | El anclaje puede cambiar y el diff decide |
Arquitectura
fragmenta pipeline
Stack Tecnológico
Capturas de la Aplicación
