MétaCan
Menu
Retour à la cohorte

Fatigue Behavior of Semi-Solid Cast Aluminum: A Critical Review

2008· review· en· W2058341299 sur OpenAlexaff
Myriam Brochu, Yves Verreman, F. Ajersch, Laurent Bucher

Notice bibliographique

RevueDiffusion and defect data, solid state data. Part B, Solid state phenomena/Solid state phenomena · 2008
Typereview
Langueen
DomaineEngineering
ThématiqueAluminum Alloy Microstructure Properties
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceAluminiumCastingMetallurgyAutomotive industryFracture mechanicsComposite materialEngineering

Résumé

récupéré en direct d'OpenAlex

Aluminum alloys are increasingly used in automotive and aeronautic applications to produce high performance, lightweight parts. Among the reasons for this, is the emergence of high integrity processes (HIP), which widens the field of application for cast aluminum alloys. In fact, metallurgical quality and consistency that characterize components produced by HIP are necessary for critical safety components. In addition to attaining maximum strength, critical safety components need to be ductile and resistant to cyclic loading. According to the North American Die Casting Association, rheocasting is a high integrity process capable of producing parts with fewer defects than conventional casting process. Rheocast components are known to have better mechanical properties than permanent mold castings. Moreover, they can be heat-treated which is impractical in the case of classical die cast components. However, the fatigue behavior of rheocast aluminum alloys has been investigated since about 2000 and few results have been published on this subject. This paper reviews the studies of fatigue behavior of aluminum semi-solid cast components. Published experimental results on high cycle fatigue resistance (S-N diagrams), long crack propagation, crack closure effects and short crack particularities are presented.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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 Opus0,097
Tête enseignante GPT0,351
Écart entre enseignants0,254 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2008
Routes d'admission1
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