Connecting Model-based Systems Engineering and Multidisciplinary Design Analysis and Optimization for Aircraft Systems Architecting
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
View Video Presentation: https://doi.org/10.2514/6.2021-3077.vid The aerospace industry has set ambitious targets to meet environmental goals while under pressure to develop novel and optimized aircraft configurations effectively. Multidisciplinary Design Analysis and Optimization (MDAO) are increasingly used to optimize aircraft and their systems. Model-Based System Engineering (MBSE) methods show the potential to make the design process more effective, integrate new disciplines, and capture complex certification constraints. Today, MBSE and MDAO are not connected; different methods and tools are used, not harvesting the full potential of both approaches. This paper discusses the need for improved system architecting in the aircraft conceptual design process and introduces a framework to use MBSE in connection to MDAO. In this framework, the MBSE environment compiles system information within a system architecture specification, acting as the backbone and visual support for each stage in the systems architecting process. MDAO is used for the evaluation of system architectures. This paper presents a case study as part of the EU-funded AGILE4.0, in which the specific link between model specification in the MBSE tool Capella and a system-level MDAO workflow is explored. Overall, this paper presents a practical contribution to linking MBSE and MDAO and paves the way for better integration of MBSE into the aircraft design process, thereby enabling MBSE implementation from conceptual design onwards. Furthermore, this will enable more detailed system analysis, such as safety analysis, starting in conceptual design, based on architecture models.
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 | 0,001 |
| 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