MétaCan
Menu
Retour à la cohorte
Enregistrement W2016756745 · doi:10.1002/cjce.22091

Thermal conductivity modelling of alumina/Al functionally graded composites

2014· article· en· W2016756745 sur OpenAlexvenueno aff
Christine Pélegris, N. Ferguen, W. Leclerc, Yannick Lorgouilloux, Stéphane Hocquet, Olivier Rigo, Mohamed Guessasma, Emmanuel Bellenger, Christian Courtois, Véronique Lardot, Anne Leriche

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueTribology and Wear Analysis
Établissements canadiensnon disponible
Organismes subventionnairesInterregEuropean Commission
Mots-clésMaterials scienceComposite materialThermal conductivityCoalescence (physics)PorosityCeramicInterconnectionMicrostructureAluminiumAnisotropyThermalAlloyComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract This paper describes a new manufacturing process for producing functionally graded ceramic‐metal composites with anisotropic properties for thermal management in automotive engine blocks. These composites are elaborated by producing a porosity gradient within an alumina matrix, subsequently infiltrated by a molten aluminum alloy. The interconnected macro porosity inside the ceramic is controlled by the coalescence of PMMA (PolyMethylMethAcrylate) spherical particles during the elaboration step of an organic frame template in which bridges are created at contact points between the particles. The diameter of the interconnection contact plays a key role because it greatly controls the microstructure of the final composites and consequently the thermal conductivity. A numerical model was developed for simulating the different steps of the elaboration process of the composites. Numerical assessments of the effective thermal conductivity are achieved in order to examine interconnection contact effects. To end up, the developed model is validated by comparing the numerical predictions with experimental measurements.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,329

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 Opus0,012
Tête enseignante GPT0,166
Écart entre enseignants0,155 · 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
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetTribology and Wear AnalysisTravaux en français237 207