MétaCan
Menu
Retour à la cohorte
Enregistrement W3046437079 · doi:10.3390/aerospace7080110

Dynamic Lifecycle Cost Modeling for Adaptable Design Optimization of Additively Remanufactured Aeroengine Components

2020· article· en· W3046437079 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueAerospace · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing and 3D Printing Technologies
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésRemanufacturingComponent (thermodynamics)Reliability engineeringManufacturing costOriginal equipment manufacturerMargin (machine learning)System lifecycleComputer scienceTurbineService (business)Systems engineeringEngineeringManufacturing engineeringSoftwareApplication lifecycle managementMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Additive manufacturing (AM) is being used increasingly for repair and remanufacturing of aeroengine components. This enables the consideration of a design margin approach to satisfy changing requirements, in which component lifespan can be optimized for different lifecycle scenarios. This paradigm requires lifecycle cost (LCC) modeling; however, the LCC models available in the literature consider mostly the manufacturing of a component, not its repair or remanufacturing. There is thus a need for an LCC model that can consider AM for repair/remanufacturing to quantify corresponding costs and benefits. This paper presents a dynamic LCC model that estimates cumulative costs over the in-service phase and a nested design optimization problem formulation that determines the optimal component lifespan range to minimize overall cost while maximizing performance. The developed methodology is demonstrated by means of an aeroengine turbine rear structure.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,775
Score d'incertitude au seuil0,848

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,045
Tête enseignante GPT0,228
Écart entre enseignants0,184 · 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