A simulation-assisted complexity metric for design optimization of integrated architecture aero-engine structures
Notice bibliographique
Résumé
Traditional metrics for assessing system complexity are based on aspects such as number of and interaction among components. For functionally integrated structures, the application of such metrics can be difficult and/or limited due to the inseparability of the structure into components or sub-systems; a single monolithic structure satisfies all required functions. At the same time, complexity metrics are necessary for effective application of design optimization and systems engineering principles. Aero-engine static structures are typical examples of functionally integrated architecture. In this paper, we present a complexity metric for integrated architecture structures that can be included as an objective or constraint in design optimization problem formulations. The proposed metric is based on two existing metrics, one providing a system wide scheme for complexity calculations and the second, giving complexity for individual components. In order to account for its integrated architecture, different regions of the structure are considered. Interactions are estimated as load paths through the structure, identified by means of physical simulations. Complexity evaluations are demonstrated using two detail-designed aero-engine structures with similar functions but belonging to different engine designs. Despite the similarities, the structures differ in complexity. This enables quantitative comparison among different designs of integrated architecture structures based on physical arrangements and main functions. Moreover, the metric can be used to identify regions with most influence on complexity which in turn enables design improvements on those regions. Automated computation of the metric can result in rapid comparison and selection among a number of structure designs, and thus be used in optimization studies. Finally, a correlation of the metric with the development time or cost can be useful for future integrated architecture structure design optimization.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».