MétaCan
Menu
Retour à la cohorte
Enregistrement W4306316895 · doi:10.2514/6.2022-4386

Migrating MBSE to the Metaverse

2022· article· en· W4306316895 sur OpenAlexaff
Joseph R. Cesena, Jeff D. Schloemer, Kelly McInnis, Jesus D. Montes, Richard R. Viveros, Matt D. Kalkbrenner, Benjamin Flint

Notice bibliographique

RevueASCEND 2022 · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueSystems Engineering Methodologies and Applications
Établissements canadiensLockheed Martin (Canada)
Organismes subventionnairesnon disponible
Mots-clésComputer scienceSoftware deploymentPipeline (software)The InternetWorld Wide WebWeb engineeringProcess (computing)Software engineeringWeb applicationArchitectureSystems engineeringWeb developmentWeb application securityEngineeringOperating system

Résumé

récupéré en direct d'OpenAlex

View Video Presentation: https://doi.org/10.2514/6.2022-4386.vid This paper describes a Model Based Systems Engineering (MBSE) architecture using the power of a web-based platform to enhance communication and extend the exchange of data generated from desktop applications to effectively create an Integrated Digital Environment. A web enabled platform brings the power of the Internet to the system engineering realm. Using primary COTS software already available for development and the management of web content, a Continuous Integration/Continuous Deployment (CI/CD) pipeline pushes content out to stakeholders in real-time. The pipeline’s products are the engineering efforts done on a day-in, day-out basis, in a web format that makes it easily accessible and discoverable by everyone, from managers to customers to suppliers to primes. This paper examines the benefits of the web-based Integrated Digital Environment as well as review an example of a web-based Integrated Digital Environment (IDE) and the subsequent Systems Engineering Digital Process implemented by Lockheed Martin.

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)0,004
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,117
Score d'incertitude au seuil0,391

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,008
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0080,011
Science ouverte0,0030,012
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,1170,067

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 Opus0,023
Tête enseignante GPT0,233
Écart entre enseignants0,210 · 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'étudeSans objet
Domainenon disponible
GenreEmpirique

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 revueASCEND 2022Même sujetSystems Engineering Methodologies and ApplicationsTravaux en français237 207