MétaCan
Menu
Retour à la cohorte
Enregistrement W1966673107 · doi:10.1108/00022660010308615

The role of enhanced visual inspections in the new strategy for corrosion management

2000· article· en· W1966673107 sur OpenAlexaboutno aff
Jerzy P. Komorowski, David S. Forsyth

Notice bibliographique

RevueAircraft Engineering and Aerospace Technology · 2000
Typearticle
Langueen
DomaineEngineering
ThématiqueInfrastructure Maintenance and Monitoring
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCorrosionStructural integrityAerospaceIntegrity managementAircraft maintenanceConstruction engineeringAviationRisk analysis (engineering)EngineeringForensic engineeringComputer scienceMaterials scienceAeronauticsMetallurgyBusinessMechanical engineeringStructural engineeringAerospace engineering

Résumé

récupéré en direct d'OpenAlex

The current corrosion maintenance philosophy reflected in aviation regulations and recommended practices does not stimulate progress in corrosion related technology. A US Air Force (USAF)‐sponsored survey has recommended re‐examination of corrosion maintenance policies and practices to identify lower cost alternatives, and has encouraged research into tools and techniques that reduce maintenance costs while preserving safety. In particular, these include models to predict the impact of existing corrosion damage on structural integrity, methods of predicting corrosion growth rates and nondestructive inspection systems capable of providing corrosion metrics. The Institute for Aerospace Research of the National Research Council Canada (IAR/NRC) has pioneered work on the application of enhanced visual methods for corrosion detection in lap joints and the assessment of the impact of corrosion on lap‐joint structural integrity. The role of these enhanced visual methods in the new corrosion management is described.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,002
Communication savante0,0030,004
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,002
Tête enseignante GPT0,200
Écart entre enseignants0,198 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations22
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAircraft Engineering and Aerospace TechnologyMême sujetInfrastructure Maintenance and MonitoringTravaux en français237 207