MétaCan
Menu
Retour à la cohorte
Enregistrement W4410714587 · doi:10.58286/31312

Challenges in performing Integrated, Correlated Visual Evaluation and associated Material Characterization (NDE 4.0) for Failure Analysis of Spacecraft Propulsion System Components

2025· article· en· W4410714587 sur OpenAlexfundno aff
S. Poornima, B. S. Ramprasad, Ashish Kumar Pande, R. D.

Notice bibliographique

Revuee-Journal of Nondestructive Testing · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueTechnology Assessment and Management
Établissements canadiensnon disponible
Organismes subventionnairesIndian Space Research OrganisationHeart and Stroke Foundation of Canada
Mots-clésSpacecraftPropulsionCharacterization (materials science)Aerospace engineeringSpacecraft propulsionEngineeringComputer scienceSystems engineeringMaterials scienceNanotechnology

Résumé

récupéré en direct d'OpenAlex

Design of Spacecraft propellant system components are critical in nature as the material must sustain its integrity in corrosive propellant environment, under fatigue loads for mission of 5-12 years with optimum factor of safety. Any deviation observed in such components leads to catastrophic mission failure. Despite detailed review mechanism and quality protocols, some random component failures can occur during system level testing. Failure analysis is challenging as the components are of miniature size (thickness 80µm) and limited access (Bore Ø 1.9mm) to obtain prima-facie details. Also, each failure is unique as no failure-precedence is available. An exhaustive–cum-integrated component evaluation and failure analysis in line with Non-Destructive Evaluation 4.0 (NDE 4.0) is ensured by incorporating Automation, digitisation, data acquisition, Correlation, integration, high resolution, non-contact, enhanced probing/NDE detection capabilities, enabling corroborative integrated studies with material NDE tools. The comprehensive NDE analysis with interdependent visual material tools provides forward-feed design input for performing NDE reliability studies.

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)0,007
score de la tête « metaresearch » (Gemma)0,008
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: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,008
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,030
Tête enseignante GPT0,283
Écart entre enseignants0,254 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuee-Journal of Nondestructive TestingMême sujetTechnology Assessment and ManagementTravaux en français237 207