MétaCan
Menu
Retour à la cohorte

A Study of Bubble Entrainment as Related to Runner Velocity in Aluminum Sand Castings Using the Cosworth Process

2007· article· en· W2070894013 sur OpenAlexafffund
John C. Burford, Jerry Sokolowski

Notice bibliographique

RevueMaterials science forum · 2007
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMaterial Selection and Properties
Établissements canadiensUniversity of Windsor
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMaterials scienceBubblePorositySplashAluminiumAir entrainmentMetallurgyFoundryEntrainment (biomusicology)MechanicsComposite materialMechanical engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

Traditional gravity pour down-sprue methods of filling moulds in the making of aluminum castings inherently lead to oxide and air bubble entrainment. The reason for this is found in the high velocities the metal flow experiences during the filling of a mould. The Nemak Windsor Aluminum Plant (WAP) produces cylinder blocks using the low-pressure Cosworth process, which includes low velocity up-hill filling of the sand mould package. This doctrine is followed in all except one part of the process: the runner system. The nature of the resulting defect is generally known as Head Deck Porosity. Runners were cast full in open production runners at three different velocities with the resulting quickly chilled castings analyzed using X-ray radioscopy, and Scanning Electron Microscopy. Results reveal that the subject bubble porosity is indeed the result of air entrained during initial transient flow within the production runner system whose velocity is higher than the critical value of 0.5ms-1. This theoretical value is corroborated by experimental results. In addition, a new "sessile" runner of optimized shape, filled at a velocity slower than the critical value, is proposed and analyzed using Magmasoft mould fill modelling software. The design can potentially replace the existing runner providing a casting free of entrained air.

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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,009

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
Bibliométrie0,0000,000
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 Opus0,025
Tête enseignante GPT0,308
Écart entre enseignants0,282 · 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

Citations2
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMaterials science forumMême sujetMaterial Selection and PropertiesTravaux en français237 207