Technologies for Fire and Damage Control and Condition Based Maintenance
Notice bibliographique
Résumé
Abstract : This is the final report of Applied Research Program (ARP) project 11gy Technologies for Fire and Damage Control and Condition Based Maintenance. The project objective was to develop an improved understanding of how materials, sensors and sensor systems choices impact the sustainability and supportability of new build ships from both the damage control and condition based maintenance perspectives. Specifications, standards and methods for the evaluation of the fire performance of non-metallic materials are reviewed. Although no one method can be used to rank materials, Cone calorimetry is the test method that provides the most useful information on how materials might perform in a fire. A volume sensor system (VSS), named the Canadian Demonstrator Prototype (CDP), was purchased and evaluated on the United States Naval Research Laboratory fire research ship the ex-USS Shadwell. A volume sensor system monitors a space for fire and damage events using video and infrared cameras, infrared and ultraviolet spectral sensors and an acoustic sensor. The system also has data fusion software that analyses the sensor input and determines if the input is consistent with a fire or damage event or is the result of shipboard activities that are not related to fire and damage events. The results of the testing indicated that the system could differentiate between real fire and damage scenarios and shipboard activities and events that are not related to fire and damage events and could therefore reduce false alarms. A condition based monitoring (CBM) diesel engine lubricating oil sensor suite and system was developed and trialled on an operational Canadian Patrol Frigate. The goal of this program is to base maintenance on the condition of the engine and its oil as opposed to performing time based maintenance. This will enable ship?s crews to focus maintenance efforts on engines where it is required and eliminate maintenance when it is not required. The effecti
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,004 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».