MétaCan
Menu
Retour à la cohorte
Enregistrement W2526679493 · doi:10.4236/ajibm.2016.69094

The Application of Reliability Methods for Aircraft Design Project Management

2016· article· en· W2526679493 sur OpenAlexaff
Darli Rodrigues Vieira, Mohamed-Larbi Rebaiaia, Milena Chang Chain

Notice bibliographique

RevueAmerican Journal of Industrial and Business Management · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueReliability and Maintenance Optimization
Établissements canadiensUniversité LavalUniversité du Québec à Trois-Rivières
Organismes subventionnairesnon disponible
Mots-clésMaintainabilityReliability engineeringFault tree analysisReliability (semiconductor)Process (computing)Computer scienceRisk analysis (engineering)Software deploymentSystems engineeringEngineeringSoftware engineering

Résumé

récupéré en direct d'OpenAlex

In aircraft project management, reliability and maintainability are fundamental for ensuring system safety, for optimizing the manufacturing process and for improving assembly/disassembly operations when maintenance actions are required. The inclusion of such requirements helps to minimize life cycle costs, augments the residual lifetime of aircraft and consequently increases customer satisfaction. While most papers published in the aircraft engineering literature are rather evasive or do not accurately describe the role of reliability and maintainability (RM) methods in early design phases, this paper elucidates the problem. This paper discusses various concepts such as design for reliability and risk assessment analysis for improving aircraft safety and reliability at the deployment stages. The article also focuses on how reliability prediction issues are addressed using various methods, tools and standards, such as failure modes and effect analysis, fault tree analysis and guidelines such as MIL-STD-217f and ARP4754. Finally, this paper demonstrates that reliability is crucial to consider in all phases of the life cycle of an aircraft.

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)0,003
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,013
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
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 Opus0,025
Tête enseignante GPT0,283
Écart entre enseignants0,258 · 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'étudeThéorique ou conceptuel
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

Citations16
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Industrial and Business ManagementMême sujetReliability and Maintenance OptimizationTravaux en français237 207