MétaCan
Menu
Retour à la cohorte
Enregistrement W2969506698 · doi:10.5539/emr.v8n2p11

Defining Resilience for Engineered Systems

2019· article· en· W2969506698 sur OpenAlexvenueno aff
Bobby Cottam, Eric Specking, Colin Small, Edward Pohl, Gregory S. Parnell, Randy Buchanan

Notice bibliographique

RevueEngineering Management Research · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueInfrastructure Resilience and Vulnerability Analysis
Établissements canadiensnon disponible
Organismes subventionnairesEngineer Research and Development CenterU.S. Army
Mots-clésResilience (materials science)Scope (computer science)TerminologyComputer scienceRisk analysis (engineering)StakeholderEngineeringProcess managementSystems engineeringBusinessPolitical science

Résumé

récupéré en direct d'OpenAlex

This paper surveys the literature on resilience, provides several definitions of resilience, and proposes a new comprehensive definition for a resilient engineered system, which is: a system that is able to successfully complete its planned mission(s) in the face of disruption(s) (environmental or adversarial), and has capabilities allowing it to successfully complete future missions with evolving threats. This definition captures the subtle differences between resilience and a resilient engineered system. We further examine the terminology associated with resilience to understand the various resilient time-frames and use the terminology to propose a resilience cycle, which differentiates mission resilience (short term) and platform resilience (long term). We then provide insight into various resilience evaluation methodologies and discuss how understanding the full scope of resilience enable designers to better incorporate resilience into system design, decision makers to consider resilient trade-offs in their assessment, and operators to better manage their systems. A resilient engineered system can lead to improved performance, reduced life-cycle costs, increased value, and extended service life for engineered systems.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,011
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,003
Études des sciences et des technologies0,0020,012
Communication savante0,0050,011
Science ouverte0,0020,006
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,272
Écart entre enseignants0,262 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations20
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEngineering Management ResearchMême sujetInfrastructure Resilience and Vulnerability AnalysisTravaux en français237 207