MétaCan
Menu
Retour à la cohorte
Enregistrement W2009944297 · doi:10.1002/j.2334-5837.2003.tb02677.x

6.6.2 Factors Contributing to Space System Failures and Successes

2003· article· en· W2009944297 sur OpenAlexaff
David Kaslow

Notice bibliographique

RevueINCOSE International Symposium · 2003
Typearticle
Langueen
DomaineEngineering
ThématiqueSpacecraft Design and Technology
Établissements canadiensLockheed Martin (Canada)
Organismes subventionnairesnon disponible
Mots-clésDocumentationSpace (punctuation)Computer scienceWork (physics)Risk analysis (engineering)Systems engineeringArchitectural engineeringManagement scienceOperations researchEngineeringEngineering managementBusiness

Résumé

récupéré en direct d'OpenAlex

Abstract Processes and procedures, concepts, requirements, and design specifications, and design and productions standards are necessary but not always sufficient for building a robust space system. These entities are only documentation and not knowledge. The preponderance of these entities are success‐centric and are created from within the system. That is, they generally do not provide enough emphasis on addressing what can go wrong and they are limited by the knowledge of the people developing the system. This paper is divided into three parts. The first part examines specific occurrences of space mission degradation, failure and recovery. These examples will illustrate the notion that anything can go wrong in a space mission, but a robust design and ingenious work‐arounds can often save the mission. The second part provides examples of recovery from failures. The third part provides an overview of six methodologies that are critical to building a robust system. These methodologies should be standard practices in any program, but can be overlooked or under‐worked when a program first encounters the prospect of missed milestones and insufficient funding.

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)0,013
score de la tête « metaresearch » (Gemma)0,099
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,071

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,099
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0030,005
Communication savante0,0060,004
Science ouverte0,0010,004
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0130,002

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 Opus0,007
Tête enseignante GPT0,214
Écart entre enseignants0,207 · 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'étudeObservationnel
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

Citations1
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueINCOSE International SymposiumMême sujetSpacecraft Design and TechnologyTravaux en français237 207