MétaCan
Menu
Retour à la cohorte
Enregistrement W1659971756 · doi:10.5539/jmsr.v4n4p34

Mechanical Properties Investigation of Multi-Lap Stainless Steel Sheets

2015· article· en· W1659971756 sur OpenAlexvenueno aff
Qasim Mohammed Doos Al-Attaby, Shaymaa Abdul Khader Al-Jumaili

Notice bibliographique

RevueJournal of Materials Science Research · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueWelding Techniques and Residual Stresses
Établissements canadiensnon disponible
Organismes subventionnairesTechnische Universität Bergakademie Freiberg
Mots-clésMaterials scienceCrackingLap jointBrittlenessJoint (building)Ultimate tensile strengthComposite materialWeldingMetallurgySpot weldingShear (geology)Shear strength (soil)High strength steelStructural engineering

Résumé

récupéré en direct d'OpenAlex

The mechanical testing and microstructers for austenititc stainless steel have been carried out to indicate the effect of the localized heating on the spot welds. The results indicated that the increasing of the heating will increase the tensile shear strength rapidly up to the expulsion point. Therefore, the hardness increases with the increasing of the weld nugget area. Hence, the fracturing tendencies have been observed inside the nugget. Nevertheless, the outer surface cracking is developed by adding a thin layer of pure metals between the two stainless steel 304L sheets. It was shown that the addition of pure metals, 3-lap sheets decreases the joint strength as compared with the 2-lap joints for the same parameters. The effect of micro cracking and the intensive brittleness decreases the joint strength. The excessive cracking was observed in 3-lap as compared with the 2-lap joint.

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)0,007
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,006
Score d'incertitude au seuil0,239

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,001
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 ouverte0,0010,000
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 Opus0,232
Tête enseignante GPT0,379
Écart entre enseignants0,147 · 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

Citations1
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Materials Science ResearchMême sujetWelding Techniques and Residual StressesTravaux en français237 207