MétaCan
Menu
Retour à la cohorte
Enregistrement W2070943031 · doi:10.1108/01445151011061145

Bulk nanostructure and amorphous metallic components using the electrospark welding process

2010· article· en· W2070943031 sur OpenAlexaff
Mathieu Brochu, David W. Heard, J. Milligan, S. Cadney

Notice bibliographique

RevueAssembly Automation · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueSurface Treatment and Coatings
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceAmorphous metalProcess (computing)NanostructureWeldingMetallurgyManufacturing engineeringAmorphous solidMechanical engineeringEngineeringNanotechnologyComputer scienceCrystallographyAlloy

Résumé

récupéré en direct d'OpenAlex

Abstract Purpose – The purpose of this paper is to outline the feasibility of using the electrospark welding (ESW) process to free‐form metallic components with nanostructured or amorphous microstructures. Design/methodology/approach – ESW was used to deposit amorphous and nanostructure coatings for high‐wear resistance applications. The ESW process was also used to freeform three‐dimensional objects via multiple deposition passes. The near‐net shape capability is interesting as it significantly reduces the post‐processing operations. Findings – This paper demonstrates that it is possible and economically feasible to produce components possessing metastable structures, i.e. nano or amorphous, using the ESW process. Practical implications – The ESW process possesses the ability to manufacture advanced materials and can pattern surfaces to provide appropriate functionality with respect to the service environment. Originality/value – This paper represents a summary of the capabilities of ESW to fabricate advanced materials and is based on the achievements of our laboratory. In particular, results on ESW of amorphous materials and the ability to produce coatings with second phase particles refined to this extent have not been achieved using other manufacturing methods.

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)0,000
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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0010,000

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 GPT0,231
Écart entre enseignants0,222 · 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

Citations15
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAssembly AutomationMême sujetSurface Treatment and CoatingsTravaux en français237 207