MétaCan
Menu
Retour à la cohorte
Enregistrement W2128130309 · doi:10.6000/1929-6002.2014.03.04.9

Preliminary Stress Corrosion Cracking Modeling Study of a Dissimilar Material Weld of Alloy (Inconel) 182 with Stainless Steel 316 in Pressurized Water Nuclear Reactor

2014· article· en· W2128130309 sur OpenAlexfundvenueno aff
Omar Fernandes Aly, Miguel Mattar Neto, Mônica Maria De Abreu Mendonça Schvartzman

Notice bibliographique

RevueJournal of Technology Innovations in Renewable Energy · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueNon-Destructive Testing Techniques
Établissements canadiensnon disponible
Organismes subventionnairesComissão Nacional de Energia NuclearIndigenous and Northern Affairs CanadaUniversidade Federal de Minas GeraisCentro de Desenvolvimento da Tecnologia NuclearCoordenação de Aperfeiçoamento de Pessoal de Nível Superior
Mots-clésInconelStress corrosion crackingMaterials scienceMetallurgyAlloyWeldingCrackingCorrosionStress (linguistics)Composite material

Résumé

récupéré en direct d'OpenAlex

Dissimilar welds (DW) are normally used in many components junctions in structural project of PWR (Pressurized Water Reactors) in Nuclear Plants. One had been departed of a DW of a nozzle located at a Reactor Pressure Vessel (RPV) of a PWR reactor, that joins the structural vessel material with an A316 stainless steel safe end. This weld is basically done with Inconel/Alloy 182 with a weld buttering of Inconel/Alloy 82. It had been prepared some axial cylindrical specimens retired from the Alloy 182/A316 weld end to be tested in the slow strain rate test machine located at CDTN laboratory. Based in these stress corrosion susceptibility results, it was done a preliminary semi-empiric modeling application to study the failure initiation time evolution of these specimens. The used model is composed by a deterministic part, and a probabilistic part according to the Weibull distribution. It had been constructed a specific Microsoft Excel worksheet to do the model application of input data. The obtained results had been discussed according with literature and also the model application limits.

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 enseignants0,203
Score d'incertitude au seuil0,714

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
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 Opus0,010
Tête enseignante GPT0,223
Écart entre enseignants0,213 · 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

Citations0
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Technology Innovations in Renewable EnergyMême sujetNon-Destructive Testing TechniquesTravaux en français237 207