MétaCan
Menu
Retour à la cohorte
Enregistrement W2333859494 · doi:10.2514/6.2001-398

Certification and integration aspects of a primary ice detection system

2001· article· en· W2333859494 sur OpenAlexaboutno aff
Darren Jackson, David J. Owens, Dennis Cronin, John A. Severson

Notice bibliographique

Revue39th Aerospace Sciences Meeting and Exhibit · 2001
Typearticle
Langueen
DomaineEngineering
ThématiqueIcing and De-icing Technologies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCertificationPrimary (astronomy)Computer scienceSystems engineeringEngineeringPolitical science

Résumé

récupéré en direct d'OpenAlex

Recent events transpiring after the crash of a Canadair Regional Jet in Fredericton, New Brunswick, Canada brought into question the ability to certify a primary ice detection system. As the leading supplier of primary ice detection systems, BFGoodrich Aircraft Sensors Division (ASD) has focused much energy to dispel the myths revolving around the certification of these systems. The work presented here addresses a variety of issues ranging from differences in ice detector designs, types of ice detection systems, Ludlam limit issues, ice detector location, system integration and certification issues. From our involvement with the icing community at large and the various aircraft manufacturers, aircraft operators, and pilots, it is apparent more education is needed on how an ice detection system works. This paper addresses these issues with a focus on how each of these pieces fits into the certification of a primary ice detection system. Our experience has shown that many people are insufficiently informed about one or more of these pieces. Understanding the information provided in this paper should provide the groundwork for the certification of a primary ice detection system and its reliable use in service. Some of the benefits of completing the required steps to certify a primary ice detection system are reduced pilot workload, increased fuel savings, and increased safety.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,323
Score d'incertitude au seuil0,312

Scores Codex et Gemma par catégorie

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

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 Opus0,016
Tête enseignante GPT0,209
Écart entre enseignants0,193 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations10
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue39th Aerospace Sciences Meeting and ExhibitMême sujetIcing and De-icing TechnologiesTravaux en français237 207