MétaCan
Menu
Retour à la cohorte
Enregistrement W4381744675 · doi:10.4050/f-0079-2023-0024

An Assessment Framework for the Maturity of Simulation-Based Verification

2023· article· en· W4381744675 sur OpenAlexaff

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueSimulation Techniques and Applications
Établissements canadiensLockheed Martin (Canada)
Organismes subventionnairesnon disponible
Mots-clésSystems engineeringProcess (computing)Computer scienceVerification and validationVerificationSoftware engineeringIntelligent verificationFidelityMaturity (psychological)Simulation modelingFormal verificationFunctional verificationFocus (optics)EngineeringProgramming languageSoftware

Résumé

récupéré en direct d'OpenAlex

Simulation-based verification is a term that promises to reduce lengthy and costly ground and flight tests of aircraft, using high-fidelity physics-based simulations instead of testing physical assets. There has been considerable research into building more robust aircraft models that accurately depict the physics of an operational aircraft. The focus has been on the 'simulation-based' portion of the phrase 'simulation-based verification.' However, to achieve the full benefit of simulation-based verification, the focus needs to include how these physics-based simulations can be incorporated into an organization's requirements verification activities, which are traditionally the responsibility of the systems engineering organization. Over the last decade, systems engineering has been transforming into a 'model-based' discipline, where all systems engineering data is contained in a model of the system, including requirements and their properties. With a drive toward simulation-based verification, there is a need to incorporate the results of simulation-based verification into the system architecture model that contains the system's requirements. By integrating physics-based simulation into the system architecture models, organizations can build a robust verification story and to automate the requirements verification process. However, an organization does not simply transform from a traditional, physical test-based organization into a simulation-based organization; it is an evolutionary process. This paper describes a framework for assessing the maturity of an organization's simulation-based verification capabilities, with the highest level of maturity having physics-based simulation integrated into the model-based systems engineering verification 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)0,045
score de la tête « metaresearch » (Gemma)0,076
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,045
Score d'incertitude au seuil0,236

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0450,076
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0160,005
Études des sciences et des technologies0,0040,012
Communication savante0,0130,019
Science ouverte0,0040,009
Intégrité de la recherche0,0050,007
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,224
Tête enseignante GPT0,565
Écart entre enseignants0,340 · 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
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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSimulation Techniques and ApplicationsTravaux en français237 207