MétaCan
Menu
Retour à la cohorte
Enregistrement W2469609405 · doi:10.4271/2016-01-2044

Practical Uses of Formal Methods in Development of Airborne Software

2016· article· en· W2469609405 sur OpenAlexaff
Jeffrey J. Joyce, Scott F. Beecher, Laurent Fabre, Ramesh Rajagopalan

Notice bibliographique

RevueSAE technical papers on CD-ROM/SAE technical paper series · 2016
Typearticle
Langueen
DomaineComputer Science
ThématiqueEmbedded Systems Design Techniques
Établissements canadiensCritical Systems Labs
Organismes subventionnairesnon disponible
Mots-clésComputer scienceFormal methodsSoftware engineeringSoftware developmentDevelopment (topology)SoftwareProgramming languageSystems engineeringEngineeringMathematics

Résumé

récupéré en direct d'OpenAlex

Over the past few decades, advanced methods have been developed for the analysis of digital systems using mathematical reasoning, i.e., formal logic. These methods are supported by sophisticated software tools that can be used to perform analysis far beyond what is practically achievable using “paper and pencil” analysis. In December 2011, RTCA published RTCA DO-178C [1] along with a set of technical supplements including RTCA DO-333 [2] which provides guidance on the use of formal methods towards the certification of airborne software. Such methods have the potential to reduce the cost of verification by using formal analysis instead of conventional test-based methods to produce a portion of the verification evidence required for certification. Formal methods can also be used to find problems earlier in the development process - for example, while the requirements are being developed rather than during system integration when the cost of re-working the requirements and design is much higher. This paper provides an introduction to the practical use of formal methods in the development and certification of airborne software. The paper includes an illustrative example of using formal methods motivated by experience with the application of formal methods to engine control software.

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)0,017
score de la tête « metaresearch » (Gemma)0,025
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,088

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,025
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,005
Communication savante0,0030,005
Science ouverte0,0020,003
Intégrité de la recherche0,0010,004
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,041
Tête enseignante GPT0,343
Écart entre enseignants0,303 · 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
GenreMéthodes

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

En bref

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSAE technical papers on CD-ROM/SAE technical paper seriesMême sujetEmbedded Systems Design TechniquesTravaux en français237 207