MétaCan
Menu
Retour à la cohorte

The Semi-Solid Forming of an Improved AA6061 Wrought Aluminum Alloy Composition

2008· article· en· W2012346344 sur OpenAlexaffabout
Joseph Langlais, Neivi Andrade, Alain Lemieux, X.-G. Chen, Laurent Bucher

Notice bibliographique

RevueDiffusion and defect data, solid state data. Part B, Solid state phenomena/Solid state phenomena · 2008
Typearticle
Langueen
DomaineEngineering
ThématiqueAluminum Alloy Microstructure Properties
Établissements canadiensUniversité du Québec à Chicoutimi
Organismes subventionnairesnon disponible
Mots-clésAlloyMaterials scienceTearingCastingMetallurgyAluminiumRaw materialProcess (computing)Forming processesProcess engineeringComposite materialComputer scienceEngineering

Résumé

récupéré en direct d'OpenAlex

The semi-solid forming (SSF) of aluminum alloys offers many advantages over conventional casting processes. Nevertheless, the semi-solid forming is still far from its full commercial potential and mainly used in specific niche markets. The market positioning requires simple, low cost, and versatile SSF processes that are capable of processing a wide range of alloy composition including wrought alloy compositions. However, wrought alloys must be adapted to obtain the desired semi-solid processing ability and proper mechanical properties. The processing of these attractive alloys with the SEED process offers the possibility to better target specific applications and customers’ needs. In the present paper, the alloy development of AA-6061 aiming to minimize the hot tearing propensity during forming process is reported. An overview of the industrial SEED process used to produce the semi-solid AA-6061 feedstock is presented. The mechanical properties of the cast parts subjected to a specific heat treatment were evaluated. As part of the joint effort between Alcan International Limited and the National Research Council of Canada (NRC), the fatigue results obtained from the semi-solid AA-6061 die cast parts will be also reported.

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 enseignants0,001
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
Bibliométrie0,0010,000
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)0,0010,001

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 Opus0,025
Tête enseignante GPT0,259
Écart entre enseignants0,234 · 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

Citations18
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueDiffusion and defect data, solid state data. Part B, Solid state phenomena/Solid state phenomenaMême sujetAluminum Alloy Microstructure PropertiesTravaux en français237 207