Digital Data Standards in Aircraft Asset Lifecycle: Current Status and Future Needs
Notice bibliographique
Résumé
<div class="section abstract"><div class="htmlview paragraph">The aerospace ecosystem is a complex system of systems comprising of many stakeholders in exchanging technical, design, development, certification, operational, and maintenance data across the different lifecycle stages of an aircraft from concept, engineering, manufacturing, operations, and maintenance to its disposal. Many standards have been developed to standardize and improve the effectiveness, efficiency, and security of the data transfer processes in the aerospace ecosystem. There are still challenges in data transfer due to the lack of standards in certain areas and lack of awareness and implementation of some standards. G-31 standards committee of SAE International has conducted a study on the available digital data standards in aircraft asset life cycle to understand the current and future landscapes of the needed digital data standards and identify gaps. This technical paper presents the study conducted by the G-31 technical committee. This paper reviews the data being exchanged between various stakeholders in the aerospace asset lifecycle and the availability of standards for the data transfer within the aerospace ecosystem. It identifies gaps based on the list of currently available data standards, and then creates a future landscape to address the needed digital data standards. This paper focuses on aircraft operations, maintenance, transfer, disposal processes, and post-build stage, and does not address the detailed interactions during the aircraft design, development and manufacturing phases. Its scope is also limited to key stakeholder interactions throughout the different stages of the aircraft operations, maintenance, and retirement.</div></div>
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 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 | 0,001 | 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 | 0,003 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».