MétaCan
Menu
Retour à la cohorte
Enregistrement W2998651636 · doi:10.1109/iss46986.2019.8943759

SkyNaute by Safran – How the HRG technological breakthrough benefits to a disruptive IRS (Inertial Reference System) for commercial aircraft

2019· article· en· W2998651636 sur OpenAlexaff
Fabrice Delhaye, Ch. De Leprevier

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueScientific Measurement and Uncertainty Evaluation
Établissements canadiensSafran Electronics (Canada)
Organismes subventionnairesnon disponible
Mots-clésAvionicsAerospaceEngineeringInertial navigation systemAeronauticsCertificationTelecommunicationsManufacturing engineeringAerospace engineeringInertial frame of reference

Résumé

récupéré en direct d'OpenAlex

Safran is a world leader in inertial equipment for commercial avionics; APIRS, its FOG AHRS is a best seller in helicopter and turboprop aircrafts avionics, most of Electronics Stand-by Instruments make use of Safran inertial sensors, not to speak about its sensors used in critical fly by wire systems. Such products are, of course, certified by EASA at the highest critical level (DO178B level A for software and DO-254 level A for electronic hardware).Safran is also the European leader in military high grade Inertial Navigation Systems and supply its products to Air, Land, Space and Naval applications. Even if some of these products, when used on military transport aircrafts, are also certified by EASA according to civilian standard for use in non-segregated airspace, Safran is not yet a supplier of IRS for commercial aircraft.Thanks to its technical and industrial expertise in navigation, and thanks to its foot print in aerospace business and especially the civil market, Safran knew that challenging the quasi-monopolistic position of the leader could not be successfully achieved without a disruptive approach.This paper explains how HRG, a technical breakthrough compared to legacy Sagnac Effect based gyros (RLG and FOG), enables the design of SkyNaute, the smallest, lightest, and lowest power consumption IRS in the industry.Finally, the best SWAP and the most cost-effective IRS in the industry would be of poor help if such IRS would not be able to also offer a demonstrated maturity at Entry Into Service. This paper explains on the basis of simple examples the Safran methodology to achieve the suitable maturity level of its SkyNaute.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,003
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,005

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 Opus0,236
Tête enseignante GPT0,384
Écart entre enseignants0,148 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations21
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetScientific Measurement and Uncertainty EvaluationTravaux en français237 207