MétaCan
Menu
Back to cohort
Record W6998384012

Airport pavement management system

2016· article· it· W6998384012 on OpenAlexaboutno aff

Bibliographic record

VenueElectronic Theses and Dissertations Repository (University of Pisa) · 2016
Typearticle
Languageit
FieldEngineering
TopicInfrastructure Maintenance and Monitoring
Canadian institutionsnot available
Fundersnot available
KeywordsAir transportState of artFlight safety
DOInot available

Abstract

fetched live from OpenAlex

Il “Pavement Management System” (PMS) offre una procedura che ha lo scopo di mantenere le pavimentazioni in una condizione di efficienza per un determinato intervallo di tempo considerando una serie di limiti economici. Questo sistema permette al gestore di valutare le alternative di manutenzione e riqualifica in maniera ottimale nel rispetto dei vincoli economici e/o prestazionali valutanado le condizioni attuali dell’infrastruttura e predire quelle future.Utillizzo questo sistema per la gestione delle manutenzioni della pavimentzaione al fini di determinare delle priorità e del tempo attimale di intervento econicamente con i aiuti del software. Per un corretto funzionamento dell’APMS sono necessari 4 componenti principali: 1. Una banca dati, per la raccolta di tutte le informazioni sulle pavimentazioni; 2. Una serie di indagini sullo stato della pavimentazione, svolte con cadenza regolare; 3. Un sistema di analisi dei dati; 4. Procedure di gestione. I dettagli della implementazione del sistema di gestione della manutenzione (AMPS) sono definiti nelle Normative di ciascun paese. Negli ultimi trent’anni si è notevolmente sviluppato il campo della gestione e della manutenzione della pavimentazione aeroportuali, anche se le attuazione sono state messe in atto solo da pochi anni, e nel mondo solo qualche paese ha focalizzato la sua attenzione nella realizzazione di APMS. Le prime Normative complete sono state pubblicate in America dalla Federal Aviation Administration (FAA), parallelamente agli Stati Uniti, anche il Canada studia e attua piani di gestione delle pavimentazione. Dopo i primi sviluppi in America e Canada, questo concetto è ha cominciato ad interessare anche l’Europa, ad esempio in Italia sono state pubblicate nel 2015 “Le linee guida sulla implementazione del sistema di gestione della manutenzione delle pavimentazioni(AMPS)”. Dopo i successi dei paesi dell’America meridionale, Canada, Nuova Zelanda, Europa, successivamente i paesi Asiatici iniziano a lavorare su questo campo, ad esempio in Cina sono state elaborate Normative per la implementazione dell’AMPS. Per quanto riguarda il software utilizzato per la redazione di un APMS che deve avere la capacità di analizzare i database al fine di quantificare la condizione strutturale e funzionale della pavimentazione allo stato attuale, anticipare i problemi futuri, selezionare e programmare le migliori strategie di manutenzione e riabilitazione a breve e lungo termine, nel mercato commerciale esistono diversi programmi, come PAVER della FAA, PAVERTM dell’ U.S. Army Construction Engineering Research Laboratory, AIRPORTS e ELMOD 6 della DYNATEST, ect. A tal fine è stata effettuata una applicazione della implementazione dell’AMPS su una pista aeroportuale italiana utilizzando il modulo LCCA di ELMOD 6. Per fare funzionare il programma è stato necessario registrare i seguenti dati: 1. Dati di portanza della pavimentazione, raccolti tramite apparecchiatura deflettometrica(Fast Falling Weight Deflectometer-FFWD), ed elaborati mediante backanalysis, noti gli spessori di ciascuno strato della pavimentazione, al fine di stimare i moduli elastici di ciascuno strato. 2. Dati relativi agli spessori di ciascun strato dell’infrastruttura ricavati utilizzando il Ground Penetrating Radar (GPR). 3. Dati dei rilievi sulle condizioni funzionali delle pavimentazioni valutando gli ammaloramenti superficiali, regolarità longitudinale e trasversale, macrotessitura utilizzando il Multi Functional Vehicle (MFV). 4. Dati relativi allo spettro di traffico. 5. Dati delle alternative d’intervento da realizzare. Una volta raccolti tutti i dati, si può far girare il programma per analizzarli. Nella presente Tesi sono state ipotizzate 2 distinte situazioni di traffico per osservare e studiare come varia in relazione a ciò la condizione della pavimentazione e il costo di manutenzione, senza il limite di budget. L’ipotesi di un traffico raddoppiato è cautelativa, ma dai risultati dell’analisi possiamo vedere come gli aumenti del costo di manutenzione nelle diverse sezioni omogenee non siano uguali. Le sezioni in condizioni strutturali e funzionali peggiori (sezione 1 e 2) aumentano più del doppio, quando viene ipotizzato un traffico raddoppiato; cioè le sezioni che evidenziano caratteristiche scarse si deteriorano rapidamente, mentre le sezioni (sezione 3) caratterizzate da condizioni migliori non manifestano danni significativi. Nell’ipotesi, più realistica, di un lieve incremento dei movimenti che interessano la pista, è stato osservato che anche in questo caso la sezione 1, sezione in condizioni strutturali peggiori, necessità di significativo aumento del costo di manutenzione, ed è quindi molto sensibile all’aumento del traffico. Tutte queste considerazioni sono state elaborate avvalendosi dell’AMPS. Quindi l’AMPS è risultato essere un valido strumento per i Gestori Aeroportuali veramente attendibile e utile, capace di analizzare la condizione attuale e futura della pavimentazione, per selezionare e programmare le migliori strategie di manutenzione e riabilitazione ipotizzando diversi traffici. Aiuta quindi tecnici e gestori a decidere “come”, “dove”, “quando” intervenire preventivamente per il raggiungimento della vita utile teorica della pavimentazione con o senza il limite di budget. L’APMS è anche uno strumento utile per la quantificazione dei costi di esercizio: è possibile calcolare tutti gli effetti di un piccolo aumento del traffico sulle pavimentazione in termini di budget necessario, quindi le Società di Gestione possono sapere facilmente determinare gli oneri corrispondenti ad un eventuale movimento aggiuntivo richiesto da una compagnia di volo.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.000
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Theoretical or conceptual · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.757
Threshold uncertainty score0.686

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0000.000
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.000
Science and technology studies0.0000.000
Scholarly communication0.0000.000
Open science0.0000.000
Research integrity0.0000.000
Insufficient payload (model declined to judge)0.0000.000

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.003
GPT teacher head0.168
Teacher spread0.165 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designTheoretical or conceptual
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2016
Admission routes1
Has abstractyes

Explore more

Same venueElectronic Theses and Dissertations Repository (University of Pisa)Same topicInfrastructure Maintenance and MonitoringFrench-language works237,207