MétaCan
Menu
Retour à la cohorte
Enregistrement W4389550563 · doi:10.12783/shm2023/36819

ASSESSING THE PERFORMANCE CVM SENSORS FOR MONITORING THE 737 AFT PRESSURE BULKHEAD

2023· article· en· W4389550563 sur OpenAlexaff
Dennis P. Roach, TREVOR LYNCH-STAUNTON, BRIAN SHAIGEC, DERRICK FORMOSA

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Sensor Technologies Research
Établissements canadiensKelowna General Hospital
Organismes subventionnairesnon disponible
Mots-clésCertificationStructural health monitoringBulkhead (partition)Computer scienceReliability engineeringEngineeringInterrogationSystems engineering

Résumé

récupéré en direct d'OpenAlex

Current maintenance operations and integrity checks on aircraft require personnel entry into normally-inaccessible or hazardous areas to perform necessary nondestructive inspections. To gain access for these inspections, structure must be removed, sealant must be removed and disassembly processes must be completed. The use of in-situ sensors, coupled with remote interrogation, can be employed to overcome a myriad of inspection impediments stemming from accessibility limitations, complex geometries, the location and depth of hidden damage, and the isolated location of the structure. Reliable Structural Health Monitoring (SHM) systems can automatically process data, assess structural condition, and signal the need for specific maintenance actions. This paper presents an OEM-airline-SHM vendor-regulator effort to realize these benefits by moving Comparative Vacuum Monitoring (CVM) technology into routine use in airline maintenance programs. A certification program has been completed to validate CVM sensors for surface crack detection on the 737 Aft Pressure Bulkhead (APB). Formal and comprehensive CVM technology validation and certification was guided by a recently-released FAA Issue Paper which addresses the full spectrum of issues including design, deployment, durability and performance. For accurate SHM validation to occur, all relevant environments - which may include separate fatigue and environmental response components - were properly simulated in the tests. Flight tests also played an important role in assessing overall CVM system performance under normal aircraft operations. Validation tests were designed to address the CVM equipment, the health monitoring task, the resolution required, the sensor interrogation procedures, the conditions under which the monitoring will occur, and the potential inspector population. The test results will be presented in light of the overall CVM certification plan. Such SHM deployment programs are allowing the aviation industry to confidently make informed decisions about the proper utilization of SHM. These programs also streamline the regulatory actions and certification measures needed to ensure the safe application of SHM solutions.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,052
Tête enseignante GPT0,349
Écart entre enseignants0,297 · 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'étudeExpérimental (laboratoire)
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 Sensor Technologies ResearchTravaux en français237 207