MétaCan
Menu
Retour à la cohorte
Enregistrement W4366382554 · doi:10.4050/f-0077-2021-16844

Advanced Manufacturing in Sustainment

2021· article· en· W4366382554 sur OpenAlexaff

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueTechnology Assessment and Management
Établissements canadiensLockheed Martin (Canada)
Organismes subventionnairesnon disponible
Mots-clésOriginal equipment manufacturerSpare partScrapProduction (economics)Production lineAircraft maintenanceWork (physics)Operations managementAeronauticsComputer scienceEngineeringMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Sustainment is the most important part of the aircraft life cycle. After a production program ends there are decades of work to support the aircraft that are flying in the fleet. The average aircraft age of the B-52 is 55 years old as of today. With a decommission estimate of 2040, the fleet's age could hit 90 years of sustainment of a given aircraft. These aircraft require both planned and unplanned maintenance, which requires the original equipment manufacturer (OEM) to supply spare parts. When the required spare parts are not available, it can result in aircraft on ground (AOG) events and missions unable to be flown. During production, an OEM's suppliers have a steady cadence of part orders which results in a steady flow of parts through their facility. Over the lifecycle of sustainment, part orders are more likely to come in smaller quantities and at unpredictable intervals. This results in suppliers needing to start and stop their production lines for these parts, or the need to inventory parts, which creates several challenges. It is not easy to restart a production line. For some parts there is still the element of tacit knowledge that is essential to manufacturing the parts. If there is a break in production, the tacit knowledge can be lost causing a long process to restart production, resulting in increased scrap and longer than normal lead times. Breaks in the production flow also result in suppliers focusing their resources on other projects, so capacity is not guaranteed when a sustainment order is needed. Further, because many sustainment parts were designed decades ago using manufacturing processes that were most robust during that time period, many advanced technologies for manufacturing are not applied to sustainment parts. As time goes on, parts with multiple sources become parts with sole sources or worse, they become obsolete. Options for procurement become limited, often requiring protracted negotiations and requiring the OEM to accept long lead times, unit cost increases, requests to reimburse the supplier for non-recurring expenses (NRE) to re-start the line, and/or large minimum buy quantities. If parts have become obsolete, then efforts are typically initiated to qualify a new supplier to build the parts as originally designed or to qualify a replacement part that is very similar to the original. This can be an effective approach for some parts and suppliers, but it is a time consuming and costly strategy that can still be ineffective in the end. Using the advanced technologies that have been developed since their original design are a much more effective, responsive, and flexible approach to addressing these supply challenges.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,041
Score d'incertitude au seuil0,136

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0020,006
Communication savante0,0070,006
Science ouverte0,0020,004
Intégrité de la recherche0,0050,005
Charge utile insuffisante (le modèle a refusé de juger)0,0410,016

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 Opus0,002
Tête enseignante GPT0,198
Écart entre enseignants0,195 · 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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetTechnology Assessment and ManagementTravaux en français237 207