PDF herunterladenMarkdown-Version
ClaudeChatGPTPerplexityGeminiMicrosoft CopilotRaycastMeta AIGrokZ.aiQwenKimi
DeepSeekMistralCursorVS CodeWindsurfJetBrainsClineLovableVercel AI SDKLangChain

Nutzen Sie Classification Efficiency Model mit Ihrer KI.

Verbinden Sie Ihr Konto einmal und lassen Sie die KI, die Sie bereits nutzen, damit arbeiten, ohne eine weitere Integration zu bauen. Optimieren Sie die Effizienz Ihrer Partikeltrennung durch präzise mathematische Modelle.

Included with plan

Fragen Sie die KI zu diesem Connector

Entwickelt, gewartet und gehostet von Vinkius.

MCP VERIFIZIERT · PRODUKTIONSREIF · VINKIUS GARANTIE

Waiting for input…

Works with modern AI clients that support MCP, including ChatGPT, Claude, Cursor, and more.

ChatGPTClaudeCursorPerplexityGeminiMicrosoft CopilotRaycastMeta AI

Vollständiges Set · 4 Fähigkeiten

Das vollständige Fähigkeiten-Set von Classification Efficiency Model.

Dies sind die genauen Aktionen, aus denen Ihre KI wählen kann, wenn Sie sie mit Classification Efficiency Model arbeiten lassen.

Fähigkeiten-Set01 / 01

01-04

4 Fähigkeiten in diesem Set.

Teil von 4, verfügbar über Classification Efficiency Model.

  1. 01

    Trennkurve analysieren

    Erstellt die Wahrscheinlichkeitsverteilung für die Partikelrückgewinnung über einen gesamten Größenbereich.

  2. 02

    Trennmetriken berechnen

    Bewertet die Qualität der Klassifizierung basierend auf den Zufluss- und Trenndaten.

  3. 03

    Geräteleistung vorhersagen

    Prognostiziert die resultierende Größenverteilung der Unterlauf- und Überlaufströme.

  4. 04

    Fish-Hook-Effekt simulieren

    Berechnet, wie der Fish-Hook-Effekt die vorhergesagte Rückgewinnung von Feinpartikeln beeinflusst.

Ein Connector, jede KI

Classification Efficiency Model funktioniert mit den beliebtesten KI-Clients.

Dies sind die beliebtesten Clients, jeder mit einer Schritt-für-Schritt-Anleitung: ein Link, einmal eingerichtet, mit Governance und Sichtbarkeit an Bord. Und da alles auf dem MCP-Standard läuft, funktioniert dieselbe Verbindung auch in jedem anderen kompatiblen Client — nichts neu zu bauen.

ClaudeClaudeChatGPTChatGPTGeminiGeminiPerplexityPerplexityGrokGrokMicrosoft CopilotMicrosoft CopilotCursorCursorVS CodeVS CodeWindsurfWindsurfJetBrainsJetBrainsClineClineLangChainLangChainVercel AI SDKVercel AI SDKLovableLovableZ.aiZ.aiRaycastRaycastQwen CodeQwen CodeKimi CodeKimi CodeLe ChatLe Chat

Bauen Sie Ihre eigene App? Der Connector gehört Ihnen.

Sie brauchen keinen Client, um Classification Efficiency Model arbeiten zu lassen: dieselbe gehostete Verbindung speist Ihre eigenen Anwendungen und Ihren Agenten-Code, mit derselben Governance bei jeder Anfrage. Damit bauen, damit chatten — eine Verbindung für beides.

Verbinden Sie Ihren Client

Eine URL. Jeder Client.

Aktivieren Sie den Connector, kopieren Sie Ihren Link und fügen Sie ihn in den Client ein, den Sie bereits nutzen. 4 Fähigkeiten kommen einsatzbereit an.

Vorschauzugang · keine Anbieter-Authentifizierung

Das vk_preview_*-Token gehört zur Vorschau-Infrastruktur von Vinkius. Es ermöglicht Claude, die Fähigkeiten von Classification Efficiency Model zu entdecken und anzuzeigen, damit Sie das Erlebnis in Ihrer KI sehen.

Es authentifiziert Ihr Konto nicht bei Classification Efficiency Model. Aktionen, die Anmeldedaten oder echte Kontodaten erfordern, werden möglicherweise erst ausgeführt, wenn Sie den Connector aktivieren und den Dienst autorisieren.

Classification Efficiency Model Connector

Alles bereit. Wählen Sie Ihren MCP-Client und folgen Sie den Einrichtungsschritten.

Connector-Linkhttps://edge.vinkius.com/vk_preview_5pNTjDgbH4eCuHno2KPr05OCaMrerZ9GQLBiCKj9/mcp

Claude Desktop

Folgen Sie den Schritten unten, um sich in Sekunden zu verbinden.

  1. 1In Claude Desktop, open Settings → Connectors.
  2. 2Click “Add custom connector” and paste the connector link above as the remote MCP server URL.
  3. 3Click Add and start a new chat — Classification Efficiency Model capabilities are ready to use.
Konfiguration · claude_desktop_config.jsonKopieren
{
  "mcpServers": {
    "classification-efficiency-model-mcp": {
      "url": "https://edge.vinkius.com/vk_preview_5pNTjDgbH4eCuHno2KPr05OCaMrerZ9GQLBiCKj9/mcp"
    }
  }
}
  • Claude
  • ChatGPT
  • Cursor
  • VS Code
  • Windsurf
  • Claude Code
  • JetBrains
  • Cline

Schritt-für-Schritt-Anleitungen für jeden Client finden Sie im Guide. Verbinden

Geführte Einrichtung für Claude? link.label

Alle KI-Clients ansehen, mit denen dieser Connector funktioniert ↑

Für wen

Für die Arbeit, die Classification Efficiency Model-Nutzer abgeben.

Dieser MCP richtet sich an Experten aus der Verfahrenstechnik und der Bergbauindustrie, die Prozesse zur Partikeltrennung digitalisieren möchten.

  • 01

    Verfahrensingenieure

    Nutzen die Modelle zur Optimierung von Hydrozyklonen und Siebanlagen.

  • 02

    Prozessplaner

    Verwenden die Vorhersagen zur Simulation von Materialströmen und zur Effizienzsteigerung.

  • 03

    Analysten in der Mineralverarbeitung

    Nutzen die mathematischen Werkzeuge zur Bewertung der Trennschärfe und Ausbeute.

FAQ

Fragen von Classification Efficiency Model-Nutzern.

  • 01

    Wofür wird das Classification Efficiency Model verwendet?

    Es dient der mathematischen Modellierung von Hydrozyklonen und Sieben. Damit lassen sich Trennkurven berechnen und die Effizienz der Partikeltrennung in der Mineralverarbeitung bewerten.

  • 02

    Kann ich die Leistung von Trenngeräten vorhersagen?

    Ja, mit dem Capability zur Vorhersage der Geräteleistung können Sie die resultierende Größenverteilung der Unterlauf- und Überlaufströme prognostizieren.

  • 03

    Wie wird der Fish-Hook-Effekt berücksichtigt?

    Über die Funktion zur Simulation des Fish-Hook-Effekts lässt sich vorhersagen, wie dieser Effekt die Rückgewinnung von Feinpartikeln verändert.

  • 04

    Welche Daten liefert die Analyse der Trennkurve?

    Die Analyse liefert eine Wahrscheinlichkeitsverteilung für die Partikelrückgewinnung über verschiedene Größenbereiche hinweg.

  • 05

    Wie wird die Trennschärfe ermittelt?

    Die Trennschärfe und die Gesamteffizienz werden über das Capability zur Berechnung der Trennmetriken auf Basis der Zufluss- und Trenndaten ermittelt.

Entdecken

Mehr in Engineering

Vorschläge