MBSE delivers significant return on investment in evolutionary development of complex SoS
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
Abstract The Submarine Warfare Federated Tactical Systems (SWFTS) is a rapidly evolving combat system of systems (SoS) product family. Managing the annual baseline updates requires processing thousands of baseline change requests, then coordinating and verifying their implementation. The complexity of this effort, which involves well over ten million source‐lines‐of‐code (SLOC) as well as Commercial‐Off‐the‐Shelf (COTS) and military‐unique hardware, is compounded by being deployed in ten variants. After a feasibility study in 2010 the SWFTS systems engineering and integration program started a transition from traditional requirements database and document‐centric systems engineering (DCSE) to a model‐based systems engineering (MBSE) process. At that time there was little solid evidence in the literature for a positive Return on Investment (ROI) for moving from DCSE to MBSE. Applying MBSE to this program has resulted in measurable monetary and operational benefits. We 1) summarize the DCSE to MBSE transition, 2) describe the accomplishments and observations to date, 3) define the metrics collected, and 4) quantify the achieved ROI. Background on the systems engineering and integration (SE&I) process and an apples‐to‐apples comparison of SE quality and efficiency are provided. The raw SE&I efficiencies of the DCSE and MBSE approaches are documented, along with conclusions showing that the MBSE approach delivers a positive ROI through higher quality SE products at significantly less cost‐per‐change, enables managing more baselines and SoS complexity using constant resources, and reduces the cost of the downstream integration effort.
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