Blockchain for Aircraft Part Traceability in MRO (Maintenance, Repair, Overhaul)
Notice bibliographique
Résumé
Aim: The study aims to examine the application of blockchain technology as a secure, reliable, and tamper-resistant solution for lifecycle record management of aircraft parts within the aviation Maintenance, Repair, and Overhaul (MRO) sector. Methods: The study adopts a design-oriented and case-based approach to evaluate the integration of blockchain technology with existing MRO systems. A permissioned blockchain architecture is proposed, leveraging smart contracts for automated compliance verification and maintenance scheduling. Real-time aircraft telemetry is ingested using Apache Kafka and processed through Apache Spark to validate and enrich data before being recorded on the blockchain. A proof of concept and case study are used to assess system performance, auditability, and integration challenges with enterprise resource planning (ERP) systems. Results: The findings demonstrate that blockchain implementation significantly improves auditability, data accuracy, and time efficiency in aircraft parts traceability among original equipment manufacturers (OEMs), MRO providers, and aviation authorities. The proof of concept highlights reduced risks of record tampering, improved regulatory compliance, and enhanced transparency across the aircraft parts lifecycle. However, challenges related to system integration, implementation costs, scalability, and market adoption barriers are also identified. Conclusion: The study concludes that blockchain technology has strong potential to reshape trust, transparency, and productivity in aircraft parts record-keeping within the MRO environment. By providing a secure digital footprint for serialized parts, blockchain serves as a foundational technology for advancing the digital transformation of the aviation MRO ecosystem. Recommendations: The study recommends adopting a phased, three-stage blockchain implementation strategy supported by regulatory alignment and cross-stakeholder collaboration among OEMs, MRO organizations, and aviation authorities. Future efforts should focus on cost optimization, ERP integration frameworks, scalability testing, and industry-wide standards to enable sustainable and widespread adoption of blockchain-based MRO 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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,005 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».