MétaCan
Menu
Retour à la cohorte
Enregistrement W4283837103 · doi:10.5281/zenodo.6800922

An MBSE Architectural Framework for the Agile Definition of Complex System Architectures

2022· paratext· en· W4283837103 sur OpenAlexfundno aff
Luca Boggero, Pier Davide Ciampa, Björn Nagel

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2022
Typeparatext
Langueen
DomaineEngineering
ThématiqueSystems Engineering Methodologies and Applications
Établissements canadiensnon disponible
Organismes subventionnairesConcordia UniversityHorizon 2020 Framework ProgrammeTechnische Universiteit DelftEuropean Commission
Mots-clésComputer scienceAgile software developmentArchitecture frameworkSoftware engineeringSystems engineeringArchitectureEngineering

Résumé

récupéré en direct d'OpenAlex

In the recent years, a shift from document-based to model-based approaches is going on within many organizations and industries involved in the development of complex systems. Model Based Systems Engineering (MBSE) methods and tools are in fact gaining more and more popularity due to all their claimed benefits over traditional document-based approaches, including for instance enhanced design quality of systems, clearer development of system requirements and specifications and improved communications within the design teams. However, these benefits can be possible only if recommendations on how generating and representing design information during the development process are made available. The present paper introduces a new model-based architectural framework, i.e. a guideline that leverages a modeling approach for the development and representation of complex systems. More specifically, the MBSE architectural framework addressed in this paper focuses on the system architecting activities of a Systems Engineering Product Development process, i.e. when multiple conventional and innovative solutions of the systems are generated to address all the system stakeholder expectations. The proposed architectural framework aims at fostering the agility of the development of complex systems, in order to streamline, improve and accelerate their architectures definition and modeling through an MBSE approach. The paper provides details of the MBSE architectural framework, including the means to produce and represent all the system development information. 10.2514/6.2022-3720

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,007
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0030,003
Études des sciences et des technologies0,0020,004
Communication savante0,0060,005
Science ouverte0,0030,004
Intégrité de la recherche0,0030,006
Charge utile insuffisante (le modèle a refusé de juger)0,0040,004

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 Opus0,093
Tête enseignante GPT0,286
Écart entre enseignants0,193 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Même sujetSystems Engineering Methodologies and ApplicationsTravaux en français237 207