MétaCan
Menu
Retour à la cohorte
Enregistrement W2037367186 · doi:10.1115/1.4023290

Characterization and Micromilling of Flow Induced Aligned Carbon Nanotube Nanocomposites

2013· article· en· W2037367186 sur OpenAlexafffund
Mehdi Mahmoodi, Md. Golam Mostofa, Martin Byung‐Guk Jun, Simon S. Park

Notice bibliographique

RevueJournal of Micro and Nano-Manufacturing · 2013
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCarbon Nanotubes in Composites
Établissements canadiensUniversity of VictoriaUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMaterials scienceCarbon nanotubeComposite materialNanocompositeMachinabilityThermal conductivityPercolation thresholdPolystyrenePolymerPolymer nanocompositeMachiningElectrical resistivity and conductivity

Résumé

récupéré en direct d'OpenAlex

Carbon nanotube (CNT) based polymeric composites exhibit high strength and thermal conductivity and can be electrically conductive at a low percolation threshold. CNT nanocomposites with polystyrene (PS) thermoplastic matrix were injection-molded and high shear stress in the flow direction enabled partial alignment of the CNTs. The samples with different CNT concentrations were prepared to study the effect of CNT concentration on the cutting behavior of the samples. Characterizations of CNT polymer composites were studied to relate different characteristics of materials such as thermal conductivity and mechanical properties to micromachining. Micro-end milling was performed to understand the material removal behavior of CNT nanocomposites. It was found that CNT alignment and concentrations influenced the cutting forces. The mechanistic micromilling force model was used to predict the cutting forces. The force model has been verified with the experimental milling forces. The machinability of the CNT nanocomposites was better than that of pure polymer due to the improved thermal conductivity and mechanical characteristics.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,800

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 GPT0,206
Écart entre enseignants0,199 · 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

Citations19
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Micro and Nano-ManufacturingMême sujetCarbon Nanotubes in CompositesTravaux en français237 207