MétaCan
Menu
Retour à la cohorte
Enregistrement W657670647

Automating The Deicing Process: A Case Study at Toronto Pearson International Airport

2008· article· en· W657670647 sur OpenAlexaboutno aff
Michael Codrington

Notice bibliographique

RevueAirport Magazine · 2008
Typearticle
Langueen
DomaineEngineering
ThématiqueIcing and De-icing Technologies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésInternational airportTransport engineeringAeronauticsEngineeringIcingEnvironmental scienceMeteorologyGeography
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The Greater Toronto Airports Authority (GTAA) is responsible for the day-to-day operation at Pearson International Airport, the busiest airport in Canada. During winter, the process of deicing/anti-icing of aircraft is key to the safe, efficient flow of air traffic through this hub airport. GTAA has a central deicing facility (CDF) comprised of an icehouse cab, staging/deicing pad areas and associated taxiways, and glycol blending and recycling facilities for deicing operations at Pearson. Aircraft are guided though the deicing process at the CDF by 48 signboards placed in the middle and at either end of pad safe zones. The signboards are connected through fiber links to the CDF's Bay Management System, which automates the movement and positioning of aircraft on the staging/deicing bays through visual instruction to pilots. In conjunction with verbal instruction, the Bay Management System provides a safe and efficient means of guiding aircraft through all phases of deicing/anti-icing operations.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,271
Score d'incertitude au seuil0,700

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 Opus0,017
Tête enseignante GPT0,252
Écart entre enseignants0,235 · 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'étudeObservationnel
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
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAirport MagazineMême sujetIcing and De-icing TechnologiesTravaux en français237 207