Analysis Of UH-60 L/M Black Hawk Fleet Usage In Support Of A Partial Usage Spectrum Update
Notice bibliographique
Résumé
Structural usage and loads monitoring can enhance safety, by identifying unusual usage patterns by individual aircraft or sub-fleets (e.g. operators, missions, or locations), and provide benefit to operators by enabling extended retirement times of life-limited components. While flight regime recognition (RR) algorithms have been demonstrated and partially validated, the use of existing onboard generic RR software provided in legacy Health and Usage Monitoring Systems (HUMS) remains a challenge for achieving airworthiness approval of retirement time extensions using archived fleet data in compliance with existing guidance, such as the U.S. Army ADS-79E Handbook for Condition-Based Maintenance. The U.S. Army and Sikorsky Aircraft, a Lockheed Martin Company, conducted a joint Fatigue Life Management (FLM) project to configure, validate, and apply processes and methods for extending the retirement times of six high-value components for the Army's Black Hawk helicopter fleet, which is equipped with a state-of-the-art HUMS, known as the Integrated Vehicle Health Management System (IVHMS). A RR post-processing process for addressing key technical challenges associated with the use of legacy onboard RR software was configured and verified against existing UH-60 flight test data. These post-processing methods were then applied to a two year population of UH-60 fleet data to calculate usage statistics for individual aircraft within several sub-fleet populations associated with either different global deployment locations and/or missions. The fleet statistics were then used by the Army Aviation Engineering Directorate (AED) to establish a conservative update to the existing usage spectrum, which was applied by Sikorsky to calculate updated retirement times. The focus of this paper is on the successful configuration and verification of RR software used in compliance with ADS-79E to establish UH-60 A/L/M IVHMS fleet usage statistics. A companion paper, also published within proceedings of the AHS 74th Annual Forum, provides details on using the fleet statistics to define an updated UH-60 usage spectrum.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 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 ».