Quantitative Assessment of the Impact of Alternative Manufacturing Methods on Aeroengine Component Lifing Decisions
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Static structural aeroengine components are typically designed for full lifetime operation. Under this assumption, efforts to reduce weight in order to improve the performance result in structural designs that necessitate proven yet expensive manufacturing solutions to ensure high reliability. However, rapid developments in fabrication technologies such as additive manufacturing may offer viable alternatives for manufacturing and/or repair, in which case different component lifing decisions may be preferable. The research presented in this paper proposes a value-maximizing design framework that models and optimizes component lifing decisions in an aeroengine product–service system context by considering manufacturing and maintenance alternatives. To that end, a lifecycle cost model is developed as a proxy of value creation. Component lifing decisions are made to minimize net present value of lifecycle costs. The impact of manufacturing (represented by associated intial defects) and maintenance strategies (repair and/or replace) on lifing design decisions is quantified by means of failure models whose output is an input to the lifecycle cost model. It is shown that, under different conditions, it may not be prudent to design for full life but rather accept shorter life and then repair or replace the component. This is especially evident if volumetric effects on low cycle fatigue life are taken into account. It is possible that failure rates based on legacy engines do not translate necessarily to weight-optimized components. Such an analysis can play a significant supporting role in engine component design in a product–service system context.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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