MétaCan
Menu
Retour à la cohorte
Enregistrement W948972243 · doi:10.1520/stp14503s

Certification Cost Reduction Using Compression-After-Impact Testing

2001· book-chapter· en· W948972243 sur OpenAlexaff
TC Anderson

Notice bibliographique

Revuenon disponible
Typebook-chapter
Langueen
DomaineEngineering
ThématiqueTransportation Safety and Impact Analysis
Établissements canadiensBell Helicopter Textron (Canada)
Organismes subventionnairesnon disponible
Mots-clésCertificationReduction (mathematics)Compression (physics)Cost reductionReliability engineeringComputer scienceBusinessMaterials scienceEconomicsEngineeringComposite materialMathematicsMarketing

Résumé

récupéré en direct d'OpenAlex

An approach to reduce certification development cost can be accomplished by testing the important strength allowables that make up the primary design drivers. Through a process referred to as a “modified building block approach,” these primary design drivers are weighted and selected based on criticality. This approach was used to minimize the development cost of a prototype composite tailboom being considered for a light model helicopter (similar in size to a Bell Model 407). The material system of choice (AS4/APC-2 thermoplastic) and the tailboom's susceptibility to impact damage drove the need to understand impact damage and its effect on strength. Compression after impact (CAI) at barely visible impact damage (BVID) was therefore selected as the critical design parameter. The cost benefit is realized by focusing on the critical design parameters; thus the number of coupon tests necessary to support full aircraft development can be significantly reduced because only limited design aspects have to be considered. The critical design drivers selected would not necessarily be applicable to the fuselage or rotor blades, but they do provide a means to optimize the tailboom design while minimizing the development cost. Certification would still be verified by full-scale testing.

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 candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,934
Score d'incertitude au seuil1,000

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)0,0030,000

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 Opus0,069
Tête enseignante GPT0,277
Écart entre enseignants0,208 · 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.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreAutre

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
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetTransportation Safety and Impact AnalysisTravaux en français237 207