MétaCan
Menu
Retour à la cohorte
Enregistrement W4411024777 · doi:10.58286/31372

Advances in Automated Non-Destructive Testing for Aircraft Engine Components

2025· article· en· W4411024777 sur OpenAlex
René Sicard, A. Chahbaz

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

Revuee-Journal of Nondestructive Testing · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Measurement and Detection Methods
Établissements canadiensThinkpath Engineering Services (Canada)
Organismes subventionnairesnon disponible
Mots-clésComputer scienceEngineeringAeronauticsReliability engineeringSystems engineering

Résumé

récupéré en direct d'OpenAlex

Non-destructive testing (NDT) is crucial for aero-engine components throughout their lifecycle, from raw material processing to finished product assembly and during maintenance, repair, and overhaul (MRO) operations. Current NDT practices for these components primarily rely on manual methods, including visual inspection, digital X-ray, thermography, ultrasonic testing, and eddy current techniques. However, advancements in engine manufacturing processes, such as laser welding, brazing, and advanced coatings, have resulted in increasingly complex part geometries, posing significant challenges for preand post-repair inspection. Furthermore, the emergence of advanced engine designs incorporating novel composite materials and complex 3D-manufactured turbine blades further raise the challenges in quality control and MRO. Consequently, Automated NDT inspection technologies are becoming essential solutions where manual or conventional methods are impractical or infeasible. Automated systems offer the necessary tools for efficient and reliable inspection of complex components. This article presents illustrative examples of Automated NDT applications for specific engine components, including compressor discs, engine bearings, turbine nozzles, fan blades, and fan cases.

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.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,300
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,034
Tête enseignante GPT0,315
Écart entre enseignants0,280 · 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