MétaCan
Menu
Retour à la cohorte

New Developments with the SEED Technology

2012· article· en· W2053358896 sur OpenAlexafffund
Pascal Côté, Marie Eve Larouche, X. Grant Chen

Notice bibliographique

RevueDiffusion and defect data, solid state data. Part B, Solid state phenomena/Solid state phenomena · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueAluminum Alloy Microstructure Properties
Établissements canadiensUniversité du Québec à ChicoutimiNational Research Council CanadaAluminium Refining, Degassing and Filtering (Canada)
Organismes subventionnairesNational Research Council Canada
Mots-clésSlurryProcess (computing)FoundryMaterials scienceManufacturing engineeringProcess engineeringComputer scienceEngineeringMetallurgyComposite material

Résumé

récupéré en direct d'OpenAlex

The SEED technology, a rheocasting process based on the slurry-on-demand approach, is an emerging technology that was developed in the mid-2000s. Many publications with regard to the process and to alloy development using this technology were made since, and several industrial units are operated worldwide. Moreover, the process is still actively developed and is fully supported by a team of scientists, engineers and technicians. With a global objective of addressing the user requirements and the industry needs, works were conducted toward optimization of the process and equipment. At first, the focus was on developing a simplified version of the SEED process to eliminate the so-called “drainage” phase while preserving the prime quality of the slurry produced. Improvement of some system components and integration of new features were also targeted to secure the overall equipment efficiency (OEE) and increase the process reliability. This work, backed with the optimization of process parameters and comprehensive techniques adapted for semi solid casting, led to the consolidation and even improvement of the properties of the parts produced for the common foundry alloys 356/357 and 319. Furthermore, the non-drained SEED version was applied to the validation of the process capabilities for uncommon cast alloys with works on 6061 wrought alloy, Duralcan metal matrix composite, and others. The results confirmed that the SEED process can efficiently be used in non-drained mode and achieve the same quality of slurry as the drained version originally developed. It is now proven in the industrial scale and actually integrated in the updated industrial equipment. Moreover, the capabilities of the process for special alloys and applications are still the subject of active development works.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,004
Science ouverte0,0020,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0080,005

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 Opus0,022
Tête enseignante GPT0,249
Écart entre enseignants0,227 · 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

Citations29
Publié2012
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