Collaborative Product–Service Approach to Aviation Maintenance, Repair, and Overhaul. Part I: Quantitative Model
Notice bibliographique
Résumé
This two-part paper proposes a new collaborative approach to airframe maintenance, repair, and overhaul (MRO). A quantitative model is introduced in Part I to represent the business relationships between original equipment manufacturers (OEMs) and MRO enterprises. In Part II, the presented model is used to assess potential financial benefits obtained by each of these stakeholders as a result of the collaboration. The quantitative model is built to capture the main dependencies between an independent MRO enterprise operating in South America and its interactions with three major airframe OEMs. Interviews were conducted with MRO and OEM professionals to identify the most impactful operational resources on MRO activities. Stakeholders with different characteristics in terms of production capacity, annual revenue, fleet size, and age are considered in numerical studies to quantify the viability of the proposed collaborative business model in different scenarios. The obtained results show that optimal investment levels must be determined for each stakeholder to ensure the viability of the proposed collaborative business model, confirming the need for a quantitative method to aid service designers making decisions. The novel collaborative model contributes to the relatively scarce literature on the topic, and promotes effective and structured collaboration between OEMs and MRO enterprises aiming at delivering higher added value to end customers (operators).
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 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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».