MétaCan
Menu
Retour à la cohorte
Enregistrement W6983637498

Network-Based Naval Ship Distributed System Design and Mission Effectiveness using Dynamic Architecture Flow Optimization

2021· dissertation· en· W6983637498 sur OpenAlexfundno aff

Notice bibliographique

RevueVTechWorks (Virginia Tech) · 2021
Typedissertation
Langueen
DomaineEnvironmental Science
ThématiqueMaritime Transport Emissions and Efficiency
Établissements canadiensnon disponible
Organismes subventionnairesNaval Sea Systems CommandU.S. Naval AcademyOffice of Naval ResearchMemorial University of NewfoundlandVirginia Polytechnic Institute and State UniversityTechnische Universiteit DelftU.S. NavyMinistère de la Défense NationaleUniversity College LondonMassachusetts Institute of TechnologyInternational Business Machines Corporation
Mots-clésNaval architectureSystems designArchitectureProcess (computing)Systems architectureArchitecture frameworkComponent (thermodynamics)Energy flowDesign process
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This dissertation describes the development and application of a naval ship distributed system architectural framework, Architecture Flow Optimization (AFO), and Dynamic Architecture Flow Optimization (DAFO) to naval ship Concept and Requirements Exploration (CandRE). The architectural framework decomposes naval ship distributed systems into physical, logical, and operational architectures representing the spatial, functional, and temporal relationships of distributed systems respectively. This decomposition greatly simplifies the Mission, Power, and Energy System (MPES) design process for use in CandRE. AFO and DAFO are a network-based linear programming optimization methods used to design and analyze MPES at a sufficient level of detail to understand system energy flow, define MPES architecture and sizing, model operations, reduce system vulnerability and improve system reliability. AFO incorporates system topologies, energy coefficient component models, preliminary arrangements, and (nominal and damaged) steady state scenarios to minimize the energy flow cost required to satisfy all operational scenario demands and constraints. DAFO applies the same principles as AFO and adds a second commodity, data flow. DAFO also integrates with a warfighting model, operational model, and capabilities model that quantify tasks and capabilities through system measures of performance at specific capability nodes. This enables the simulation of operational situations including MPES configuration and operation during CandRE. This dissertation provides an overview of design tools developed to implement this process and methods, including objective attribute metrics for cost, effectiveness and risk, ship synthesis model, hullform exploration and MPES explorations using design of experiments (DOEs) and response surface models.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,007
Tête enseignante GPT0,224
Écart entre enseignants0,217 · 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'étudeSimulation ou modélisation
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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVTechWorks (Virginia Tech)Même sujetMaritime Transport Emissions and EfficiencyTravaux en français237 207