MétaCan
Menu
Retour à la cohorte
Enregistrement W1563275170 · doi:10.4271/2005-01-0329

Automotive Magnesium Die Casting Through Thermal and Flow Control

2005· article· en· W1563275170 sur OpenAlexaff
Yun Xia, Carlos Crespo, Steve Lemaire

Notice bibliographique

RevueSAE technical papers on CD-ROM/SAE technical paper series · 2005
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid dynamics and aerodynamics studies
Établissements canadiensContech (Canada)
Organismes subventionnairesnon disponible
Mots-clésDie castingDie (integrated circuit)Automotive industryMagnesiumMaterials scienceCastingMetallurgyMaterial flowMagnesium alloyManufacturing engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

Some causes for hot cracking in automotive magnesium casting were studied through thermal and fluid flow analysis. Solidification of magnesium alloy casting is found to start early, but complete late. There are small amount of residual liquid phase staying at the eutectic temperature. This property is the main reason that magnesium castings crack. The different solidification defect patterns between the center and skin of castings are analyzed. Some crack prevention techniques and criteria are introduced to obtain better solidification pattern, which leads to higher quality castings. Separation and filling reversal are also frequently causing magnesium castings to crack. Through the study of the flow atomization number and the Reynolds number, the magnesium casting filling process is found to be a typical turbulent flow process. The optimized flow pattern with necessary design changes is introduced to generate better flow results during mold filling. Several real automotive magnesium die casting parts are used as examples, coupled with some thermal and fluid flow concepts, tables and process simulations results to illustrate the positive and negative experiences in the automotive magnesium die casting manufacturing.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,006
Tête enseignante GPT0,208
Écart entre enseignants0,202 · 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 source (Gemma direct ou Codex distillé), 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
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSAE technical papers on CD-ROM/SAE technical paper seriesMême sujetFluid dynamics and aerodynamics studiesTravaux en français237 207