MétaCan
Menu
Retour à la cohorte
Enregistrement W2334706545 · doi:10.14288/1.0066334

Minimizing uncertainty in cure modeling for composites manufacturing

2008· article· en· W2334706545 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevuecIRcle (University of British Columbia) · 2008
Typearticle
Langueen
DomaineEngineering
ThématiqueEpoxy Resin Curing Processes
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésThermosetting polymerComputer scienceConsistency (knowledge bases)Reliability (semiconductor)Process (computing)Differential scanning calorimetryMaterials scienceProcess engineeringComposite materialArtificial intelligenceEngineeringThermodynamics

Résumé

récupéré en direct d'OpenAlex

The degree of cure and temperature are consistent variables used in models to describe the state of material behaviour development for a thermoset during cure. Therefore, the validity of a cure kinetics model is an underlying concern when combining several material models to describe a part forming process, as is the case for process modeling. The goals of this work are to identify sources of uncertainty in the decision-making process from cure measurement by differential scanning calorimeter (DSC) to cure kinetics modeling, and to recommend practices for reducing uncertainty. Variability of cure kinetics model predictions based on DSC measurements are investigated in this work by a study on the carbon-fiber-reinforced-plastic (CFRP) T800H/3900-2, an interlaboratory Round Robin comparison of cure studies on T800H/3900-2, and a literature review of cure models for Hexcel 8552. It is shown that variability between model predictions can be as large as 50% for some process conditions when uncertainty goes unchecked for decisions of instrument quality, material consistency, measurement quality, data reduction and modeling practices. The variability decreases to 10% when all of the above decisions are identical except for the data reduction and modeling practices. In this work, recommendations are offered for the following practices: baseline selection, balancing heats of reaction, comparing data over an extensive temperature range (300 K), choosing appropriate models to describe a wide range of behaviour, testing model reliability, and visualization techniques for cure cycle selection. Specific insight is offered to the data reduction and analysis of thermoplastic-toughened systems which undergo phase separation during cure, as is the case for T800H/3900-2. The evidence of phase separation is a history-dependent Tg-α relationship. In the absence of a concise outline of best practices for cure measurement by DSC and modeling of complex materials, a list of guidelines based on the literature and the studies herein is proposed.

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.

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)0,000
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,416
Score d'incertitude au seuil0,992

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,015
Tête enseignante GPT0,175
Écart entre enseignants0,161 · 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