MétaCan
Menu
Retour à la cohorte

A Validated Through Process Model to Predict the Fatigue Life of a Cast A356 Automotive Wheel

2006· article· en· W2139987531 sur OpenAlexaff
Peter Lee, Pei Feng Li, Daan M. Maijer, T.C. Lindley

Notice bibliographique

RevueMaterials science forum · 2006
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMetal Alloys Wear and Properties
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesRoyal Academy of Engineering
Mots-clésMaterials scienceResidual stressMachiningAutomotive industryCastingThermocoupleStrain gaugeMetallographyService lifeStress (linguistics)Composite materialMetallurgyMechanical engineeringMicrostructureEngineering

Résumé

récupéré en direct d'OpenAlex

Models describing the critical steps in the manufacturing process of aluminum alloy wheels were integrated with a model of in-service loading to predict component fatigue performance. A multiscale solidification model was coupled with models of the subsequent heat treatment and machining to predict the residual stress distribution in a finished wheel. A second multiscale model was incorporated into a service model to relate the pore size and local stress state to fatigue performance. The predictions resulting from this through process modeling approach have been validated by comparisons with a series of measurements: 1) thermocouple measurements during casting; 2) characterization of pore size and distribution using X-ray microtomography and optical metallography; 3) residual strain measurements on finished wheels; 4) in-service strain measurements during a rotating bend test; and 5) in-service fatigue performance during rotating bend tests.

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)0,002
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 seuil0,566

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,044
Tête enseignante GPT0,289
Écart entre enseignants0,245 · 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
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMaterials science forumMême sujetMetal Alloys Wear and PropertiesTravaux en français237 207