MétaCan
Menu
Retour à la cohorte

Geometric Analysis of Thinning during Superplastic Forming

2001· article· en· W2055760255 sur OpenAlexaff
D. Garriga-Majo, Richard Curtis

Notice bibliographique

RevueMaterials science forum · 2001
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Surface Polishing Techniques
Établissements canadiensSt. Thomas Hospital
Organismes subventionnairesnon disponible
Mots-clésSuperplasticityMaterials scienceDie (integrated circuit)LubricantTitanium alloyLubricationMechanicsComposite materialGeometryMetallurgyEngineering drawingAlloyMathematicsEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

Two original geometric models applicable to the superplastic forming of prismatic die shapes are presented in this study: the uniform thickness model which determines the average of the final thickness, and the variable thickness model, which gives a first approximation of the thickness distribution by assuming sticking contact with the die. The variable thickness approach demonstrates the important contribution of the die geometry to the thinning process by monitoring the sequence of contact events throughout the process. These two models relate to the limits of the friction regime between the superplastic material and the die, i.e. perfect sliding for the uniform thickness model (lubrication and/or low pressures/low strain rates) and sticking contact for the variable thickness model (no lubricant and/or high pressures/high strain rates). Predictions of the pressure-time profiles required to form the component are also derived from the second model and were successfully applied to the manufacture of dental prostheses in titanium alloy (Ti-6Al-4V). The development and the implementation of this geometric study have been greatly and elegantly simplified by the introduction of complex numbers to represent the different geometric parameters.

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)0,001
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: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,009
Tête enseignante GPT0,244
Écart entre enseignants0,235 · 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

Citations10
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMaterials science forumMême sujetAdvanced Surface Polishing TechniquesTravaux en français237 207