MétaCan
Menu
Retour à la cohorte
Enregistrement W2080823235 · doi:10.4028/www.scientific.net/amr.585.498

Cladding of Tungsten Carbide and Stellite Using High Power Diode Laser to Improve the Surface Properties of Stainless Steel

2012· article· en· W2080823235 sur OpenAlexaff
Raghuvir Singh, Sanjiv Kumar Tiwari, S.K. Mishra

Notice bibliographique

RevueAdvanced materials research · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueHigh Entropy Alloys Studies
Établissements canadiensCanadian Society of Intestinal Research
Organismes subventionnairesnon disponible
Mots-clésStelliteMaterials scienceCladding (metalworking)MetallurgyTungsten carbideCorrosionCoatingCarbideLaserTungstenAlloySurface engineeringComposite material

Résumé

récupéré en direct d'OpenAlex

Surface engineering is one of the most viable methods, in addition to development of new alloys and equipment design, to minimize degradation due to cavitation erosion, and corrosion. Laser surface cladding is relatively a newer engineering technique to produce metallurgically bonded coating for industrial applications due to its inherent benefits. Present paper reports the results obtained on the laser cladding of stainless steel with tungsten carbide (WC) and stellite alloy powder using high power diode laser (HPDL) at various laser parameters. Cladded specimens were characterized for erosion, and corrosion resistance. Both WC and stellite cladding have increased the erosion resistance of stainless steels. WC cladding was found to reduce the corrosion resistance of steel while stellite showed it to increase significantly.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,007
Score d'incertitude au seuil0,434

Scores Codex et Gemma par catégorie

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

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 Opus0,042
Tête enseignante GPT0,307
Écart entre enseignants0,265 · 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 tête enseignante, 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

Citations3
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced materials researchMême sujetHigh Entropy Alloys StudiesTravaux en français237 207