Optimization of fastener pattern in airframe assembly
Notice bibliographique
Résumé
Purpose The authors consider the problem of optimizing temporary fastener patterns in aircraft assembly. Minimizing the number of fasteners while maintaining final product quality is one of the key enablers for intensifying production in the aerospace industry. The purpose of this study is to formulate the fastener pattern optimization problem and compare different solving approaches on both test benchmarks and rear wing-to-fuselage assembly of an Airbus A350-900. Design/methodology/approach The first considered algorithm is based on a local exhaustive search. It is proved to be efficient and reliable but requires much computational effort. Secondly, the Mesh Adaptive Direct Search (MADS) implemented in NOMAD software (Nonlinear Optimization by Mesh Adaptive Direct Search) is used to apply the powerful mathematical machinery of surrogate modeling and associated optimization strategy. In addition, another popular optimization algorithm called simulated annealing (SA) was implemented. Since a single fastener pattern must be used for the entire aircraft series, cross-validation of obtained results was applied. The available measured initial gaps from 340 different aircraft of the A350-900 series were used. Findings The results indicated that SA cannot be applicable as its random character does not provide repeatable results and requires tens of runs for any optimization analysis. Both local variations (LV) method and MADS have proved to be appropriate as they improved the existing fastener pattern for all available gaps. The modification of the MADS' search step was performed to exploit all the information the authors have about the problem. Originality/value The paper presents deterministic and probabilistic optimization problem formulations and considers three different approaches for their solution. The existing fastener pattern was improved.
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 | 0,000 | 0,001 |
| 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 | 0,001 | 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) | 0,001 | 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 ».