MétaCan
Menu
Retour à la cohorte
Enregistrement W4317584153 · doi:10.2514/6.2023-0830

Demonstrating a semantic approach to clarifying regulatory ambiguity in aircraft design and development using process mapping, UML, and ontological modeling

2023· article· en· W4317584153 sur OpenAlexaff
Andréa Cartile, Catharine Marsden, Susan Liscouët-Hanke

Notice bibliographique

RevueAIAA SCITECH 2023 Forum · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueManufacturing Process and Optimization
Établissements canadiensRoyal Military College of CanadaConcordia University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceUnified Modeling LanguageSoftware engineeringModeling languageModel-driven architectureProcess (computing)Software developmentSystems engineeringDomain (mathematical analysis)Software development processAmbiguitySoftwareProgramming languageEngineering

Résumé

récupéré en direct d'OpenAlex

View Video Presentation: https://doi.org/10.2514/6.2023-0830.vid The design and development of an aircraft is a complex process, often taking place over 6-7 years, involving thousands of experts from many disciplines, and costing several billion dollars. Software tools have been developed to help manage this complexity, yet challenges remain with respect to their utility. Model-based approaches have been increasingly used to inform the development of software tools, in particular to facilitate an understanding between software developers and the domain experts for whom the software is being developed. Recent aircraft modeling research has identified challenges, such as interoperability, stemming from a lack of formal semantic structure. This paper discusses the current challenges faced in modeling literature, and proposes a formalized approach to semantic modeling of the aircraft design and development process. As certification is critical to aircraft design, the approach proposes using publicly available regulatory documentation to provide generic language and definitions, followed by an ontological model to develop a formal, aircraft domain-specific semantic structure prior to modeling for software-specific applications. Three modeling methods of process mapping, ontological modeling, and Unified Modeling Language (UML) are used to illustrate the advantages and limitations of a semantic approach to modeling. This paper uses the Advisory circular AC 21.101-1B Establishing the Certification Basis of Changed Aeronautical Products as a case study to illustrate the proposed approach. A formalized approach to modeling the aircraft design and development process contributes to structuring a model that adequately reflects the many entities and complex interactions that are implicit to this process. This paper concludes by identifying opportunities for further investigation of regulatory documentation to improve formal models of the aircraft design and development process.

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)0,008
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,012
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0020,005
Communication savante0,0070,009
Science ouverte0,0020,006
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,061
Tête enseignante GPT0,257
Écart entre enseignants0,196 · 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'étudeQualitatif
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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAIAA SCITECH 2023 ForumMême sujetManufacturing Process and OptimizationTravaux en français237 207