MétaCan
Menu
Retour à la cohorte
Enregistrement W4382055809 · doi:10.4050/f-0079-2023-18146

Implications of Sustainable Aviation Fuel for the Rotorcraft Industry

2023· article· en· W4382055809 sur OpenAlexaff
Robert Andrejczyk

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAdvanced Aircraft Design and Technologies
Établissements canadiensLockheed Martin (Canada)
Organismes subventionnairesnon disponible
Mots-clésAviationOriginal equipment manufacturerJet fuelAviation fuelEngineeringAeronauticsCertificationKeroseneWaste managementComputer scienceAerospace engineering

Résumé

récupéré en direct d'OpenAlex

International governments and the airline industry have set goals to progressively replace aviation fossil fuels with sustainable aviation fuel (SAF). SAF is presently less than 0.1 % of the global aviation fuel supply but projected to be greater than 50% by 2050. SAF is kerosene synthetically produced from sustainable agriculture and recycled waste. SAF has lower contrail-forming particulates and has substantial benefit of lifecycle CO2 reduction from using sustainable feedstocks rather than petroleum. The rotorcraft industry consumes less than 1% of the global aviation fuel supply and is not driving the transition to SAF but will need to have compatibility with SAF. The American Society of Testing and Materials (ASTM) has developed a process in conjunction with the FAA and original equipment manufacturers (OEMs) whereby SAF blends are approved as drop-in equivalent to ASTM D1655 Jet A/A1 fuel and can then be seamlessly distributed and utilized under existing aircraft approvals for Jet A/A1. SAF candidates are comprehensively evaluated by an OEM task group. Global aviation industry, certification agencies, and military are harmonizing around this approach. The FAA has encouraged rotorcraft manufacturers to monitor OEM task group proceedings and provide input for concerns to rotorcraft. A unique rotorcraft concern regarding suction lift fuel systems is explained as an example.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,846
Score d'incertitude au seuil0,272

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,273
Écart entre enseignants0,252 · 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 tête enseignante, 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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Aircraft Design and TechnologiesTravaux en français237 207