Assessment of Runway Surface Conditions by British Pendulum Testing under the Global Reporting Format Winter Conditions
Notice bibliographique
Résumé
Poor braking performance on runways during winter is one of the most significant factors causing runway excursions. The International Civil Aviation Organization (ICAO) proposed a standardized method, named the Global Reporting Format (GRF), to establish runway surface conditions based on human observers. The GRF includes the description of most winter conditions. This work aimed at reproducing the GRF winter conditions in the laboratory, and to monitor the effect of the surface conditions, both without surface treatment and with surface treatment using liquid runway de-icing products (RDP) in both de-icing and anti-icing modes, using the British Pendulum Tester (BPT). The reproduction of the GRF winter conditions was possible in the laboratory since the BPT results correlated well with the GRF ratings. The worst conditions retained snow on ice. Wet conditions obtained with water and RDPs (potassium formate KFO, potassium acetate KAC and hybrid glycol-KAC HYB) behave similarly, indicating that RDPs alone on a runway for prevention are not any more dangerous than just water. The range from wet to dry, equivalent to a British Pendulum Number (BPN) from ~40 to ~50, was considered as good conditions on the runway. All the RDPs tested in the study improved the BPN from untreated conditions. In most of the conditions, the RDPs improved the BPN to values in the range of favorable conditions. KFO and KAC reacted almost in the same way for each condition. However, the HYB was better in conditions with ice. The obtained results demonstrated that simulated laboratory winter conditions could be used to determine the efficiency of RDPs in both de-icing and anti-icing modes.
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 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| 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) | 0,003 | 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 ».