MétaCan
Menu
Retour à la cohorte
Enregistrement W170931844

AN UPDATE ON REVENUE SERVICE TESTS OF BAINITIC STEEL RAIL CROSSING DIAMONDS

2003· article· en· W170931844 sur OpenAlexaboutno aff
Dave D. Davis, D Guillen, Charity Duran Sasaoka

Notice bibliographique

RevueRailway track and structures · 2003
Typearticle
Langueen
DomaineEngineering
ThématiqueRailway Engineering and Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEngineeringAxleRevenueService lifeService (business)Forensic engineeringMetallurgyStructural engineeringMaterials scienceMechanical engineeringFinanceEconomyBusiness
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The second year of testing bainitic steel rail crossing diamonds shows that they continue to perform well. Three are still in service at spots maintained by Canadian National/Illinois Central and Union Pacific. Reduced running surface deformation and less maintenance are reported. They are also projected to enjoy a longer service life, perhaps as much as 2 to 3 times as long as pearlitic rail diamonds. With railroads spending more than $250 million each year on repairs on these types of tracks, any advances could result in significant savings. All three are located on level open ground and are on mainlines in the Midwest. They have high crossing angles and were chosen for their severe service demands. Other elements being tested are standard AREMA versus thick-web running rail sections; whether traffic is main or crossing line, and traffic rates of 40 versus 110 mgt/yr. The bainitic steel used in the test sections is code named J6, a medium carbon bainitic microstructure steel developed by AAR. It has a surface hardness of 410 BHN and an internal hardness of 430 BHN. It has a fracture toughness three to five times as great as conventional rail steel at room temperature. It has proven to be durable for crossing diamonds in heavy axle load testing, though tests at more realistic sites are needed for this particular component.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,575
Score d'incertitude au seuil0,894

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)0,0000,000

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 Opus0,008
Tête enseignante GPT0,224
Écart entre enseignants0,216 · 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'étudeSimulation ou modélisation
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

Citations3
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRailway track and structuresMême sujetRailway Engineering and DynamicsTravaux en français237 207