MétaCan
Menu
Retour à la cohorte
Enregistrement W2134085388 · doi:10.1115/1.4001731

A New Approach of Reliability Design For Creep Rupture Property

2010· article· en· W2134085388 sur OpenAlexfundno aff
Jie Zhao, Dongming Li, Yuanyuan Fang, Shijie Zhu

Notice bibliographique

RevueJournal of Pressure Vessel Technology · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueHigh Temperature Alloys and Creep
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute for Materials ScienceEnvironment and Climate Change Canada
Mots-clésCreepReliability (semiconductor)Parametric statisticsStress (linguistics)Materials scienceStructural engineeringScatteringEngineeringComposite materialMathematicsThermodynamicsPhysicsStatisticsOptics

Résumé

récupéré en direct d'OpenAlex

Generally, creep rupture data of a heat-resistant steel can be compressed into a narrow band by using a temperature-time parametric method such as the Larson–Miller or Manson–Haferd method. In order to describe the scattering of the data, the current paper proposes a “Z parameter” method to represent the magnitude of the deviation of the rupture data to master curve. Statistical analysis shows that the scattering of the Z parameter for several types of steels is supported by normal distribution. Using this method, it is possible to achieve unified analysis of the creep rupture data in various temperature and stress conditions. Stress-time temperature parameter-reliability curves (σ-TTP-R curves), stress-rupture time-reliability curves (σ-tr-R curves), and allowable stress-temperature-reliability curves ([σ]-T-R curves) are proposed, which could embrace the reliability concept into creep rupture property design.

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: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,657
Score d'incertitude au seuil0,469

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 ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,009
Tête enseignante GPT0,217
Écart entre enseignants0,207 · 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
GenreMéthodes

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
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Pressure Vessel TechnologyMême sujetHigh Temperature Alloys and CreepTravaux en français237 207