Preventing Foreign Object Debris and Improving Pavement Life-Cycle Costs Through Effective Fast-Track Concrete Repair
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.
Notice bibliographique
Résumé
The biggest challenge facing airports, is the need to ensure efficient operations including proper maintenance of the airfield pavements (i.e. runways, taxiways and aprons). In short, the study presents a methodology of assessing repair materials in terms of technical and economic factors. This research identifies economical fast track concrete material and construction methods suitable for partial depth repairs in the airport environment. Specifically, the research in this paper is directed at addressing various technical and economic concerns regarding the use of fast track concrete with harsh deicing chemicals and extreme weather conditions. It describes a field study which is located at Canada’s largest airport and North America’s fifth busiest airport. Seven test sections were repaired on Deicing Bay 2 at Toronto International Airport with three different fast track products. Fourteen pavement evaluations were completed between October 20, 2003 and June 2, 2006. Test section performance was evaluated using the Strategic Highway Research Project H-356 method. The Foreign Object Damage average values on June 2, 2006 were calculated as 19 for Product A, 20 for Product B, and 40 for Product C. The Product A test sections are performing the best and is the product of choice. Based on the developed linear regression models, test section 7 which is Product C will last the longest before MR&R activities are required. This was followed by Product A and then Product B. However, the difference between Product C and Product A was not statistically significant. Life cycle cost analysis showed that using a fast track partial depth high quality repair product was more cost effective than other types of repair.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle