Linking MRO to Prognosis Based Health Management Through Physics-of-Failures Understanding
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
Traditional engine maintenance, repair and overhaul (MRO) are geared toward fixed schedules. However, with online condition monitoring, assessments and prognosis, it is required that MRO be adaptive to the life consumption with respect to the actual usage of the engine to realize the benefit of prognosis. Shifting to this new paradigm, there are several challenges: 1. How exactly the life is consumed in components under complex usage profiles that may involve a combination of low and high cycle fatigue, thermomechanical fatigue and creep, for regular usage (aside from incidents)? 2. What are the physical failure mechanism(s) in components under the above conditions, the understanding of which may help to select the most appropriate detection, repair and replacement (including material insertion) strategy, for life renewal/extension and cost reduction? 3. Understanding the limitations of repairs for the particular failure mechanism. To overcome these challenges, one needs physics-based material failure models that can reflect the true failure mechanisms on the component level under actual (complex) usage profiles. Conventional, empirical test-data correlations for isolated conditions fall short of this requirement because pure fatigue and pure creep are not experienced by real components in service. In addition, to ensure the repaired component’s structural integrity, the material database would have to be comprehensive enough to cover the effect of intrinsic repair defects and microstructures that are not present in the original component material. While models and data are integral parts of digital twins, it is proposed that physics-based models are needed to cover the entire application domain continuously. This paper will introduce a physics-based method of life consumption evaluation and discussion through past experience in line with the development of Digital Twin concepts for sustainment.
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 | 0,000 | 0,000 |
| 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