MétaCan
Menu
Retour à la cohorte
Enregistrement W1988822548 · doi:10.4028/www.scientific.net/msf.706-709.89

Hot Working Defines Thermomechanical Processing (TMP) for Aluminum Alloys and Composites

2012· article· en· W1988822548 sur OpenAlexaff
H.J. McQueen, E. Evangelìsta

Notice bibliographique

RevueMaterials science forum · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueAluminum Alloy Microstructure Properties
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceHot workingMetallurgyAnnealing (glass)Recrystallization (geology)ForgingExtrusionThermomechanical processingSubstructureComposite materialWeldingDynamic recrystallizationCorrosionHardenabilityAlloy

Résumé

récupéré en direct d'OpenAlex

TMP of Al alloys includes hot working with dynamic substructures and deformation bands for texture components combined with static recovery or recrystallization as well as cold working altered by annealing. The above processes are separately tailored for solute (Al, Mg), dispersoid (Al-0.7Fe) and precipitation hardening alloys; aging combined with deformation can raise strength or improve fatigue or corrosion resistance. Hot and cold rolling with suitable holding intervals are managed to combine deformation and annealing textures for planar anisotropy or for producing less fibrous grains to avoid delamination corrosion; grains may be severely refined by discontinuous or continuous recrystallization for superplastic sheet. In hot-billet and impact extrusion as an addition to substructure and texture strengthening, the intense heating near the die may be employed for precipitate solution with exit quenching for press heat treatment to T5 temper. Similarly, friction stir surface treatment and welding provide intense hot straining with additional softening as metal is swept behind the pin. In combination with some of the above, forging provides grain and dispersoid fibering oriented for crack retardation; semi solid forming competes with this.

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 enseignants0,008
Score d'incertitude au seuil0,631

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 savante0,0000,001
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 Opus0,017
Tête enseignante GPT0,225
Écart entre enseignants0,208 · 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

Citations6
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMaterials science forumMême sujetAluminum Alloy Microstructure PropertiesTravaux en français237 207