MétaCan
Menu
Retour à la cohorte
Enregistrement W1506376242

Effect of aluminide coatings and wheat handling parameters on erosion in wheat storage bins.

2007· article· en· W1506376242 sur OpenAlexaff
Hamzeh Ahmadi, A M Borgheei, Reza Alimardani, A. Rajabeepour, D. Y. Lee

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueErosion and Abrasive Machining
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésAluminideMaterials scienceSlurryMetallurgyCoatingErosionTribometerSubstrate (aquarium)HardfacingComposite materialTribologyWear resistanceAlloyIntermetallicGeology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Recent studies demonstrate that aluminide coatings are beneficial to wear and erosion resistance and also that oxygen-active elements such as yttrium can remarkably improve this resistance. In this research, the micro-hardness of the aluminide coatings with and without yttrium on 1045 steel was investigated using a micro-mechanical probe. Wear of the samples was measured using a pin-on-disk tribometer. The erosion loss of specimens against soft and hard wheat was also evaluated using a slurry erosion test machine. The data was analyzed statistically using a 3-factor completely randomized design to study the effect of wheat varieties (soft and hard wheat), moisture content at three levels (10±0.5, 15±1.5, and 20±2 % (wet basis)), and rotary velocity of the slurry erosion machine at three levels (200, 400, and 600 rpm) on erosion resistance. The results showed that the aluminide coatings improved the wear and erosion resistance of substrate steel 1045; yt-trium markedly improved the hardness of the aluminide coating and its wear and erosion resistance. The erosion loss of materials was significantly (p<0.01) influenced by the type of wheat, moisture content and rotary velocity. Both aluminide coatings showed higher wear and erosion resistance than 1045 steel substrate.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,159
Score d'incertitude au seuil0,352

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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)0,0000,000

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 Opus0,009
Tête enseignante GPT0,257
Écart entre enseignants0,248 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations0
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetErosion and Abrasive MachiningTravaux en français237 207