Computer-Assisted Aircraft Anti-Icing Fluids Endurance Time Determination
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
Deicing and anti-icing the aircraft using proper chemical fluids, prior takeoff, are mandatory. A thin layer of ice or snow can compromise the safety, causing lift loss and drag increase. Commercialized deicing and anti-icing fluids all pass a qualification process which is described in Society of Automotive Engineering (SAE) documents. Most of them are endurance time tests under freezing and frozen contaminants, under simulated and natural conditions. They all have in common that the endurance times have to be determined by visual inspection. When a certain proportion of the test plate is covered with contaminants, the endurance time test is called. In the goal of minimizing human error resulting from visual inspection and helping in the interpretation of fluid failure, help-decision computer-assisted algorithms have been developed and tested under different conditions. The algorithms are based on common image processing techniques. The algorithms have been tested under three different icing conditions, water spray endurance test, indoor snow test and light freezing rain tests, and were compared to the times determined by three experimented technicians. A total of 14 tests have been compared. From them, 11 gave a result lower than 5% of the results given by the technicians. In conclusion, the computer-assisted algorithms developed are efficient enough to support the technicians in their failure call. However, further works need to be performed to improve the analysis.
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