MétaCan
Menu
Retour à la cohorte
Enregistrement W2466994864 · doi:10.5539/jmsr.v5n3p66

Development of Electrically Assisted Rapid Heating for Metal Forming of Hot-Stamping Process

2016· article· en· W2466994864 sur OpenAlexvenueno aff
Mahmudun Nabi Chowdhury, Dinh Thi Kieu Anh

Notice bibliographique

RevueJournal of Materials Science Research · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrostructure and Mechanical Properties of Steels
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceClampingHot stampingElectrodeElectric heatingComposite materialHeating elementCurrent (fluid)Electric currentInduction heatingJoule heatingStampingContact resistanceMetallurgyMechanical engineeringElectrical engineeringElectromagnetic coil

Résumé

récupéré en direct d'OpenAlex

<p class="1Body">Two different concepts of electrically assisted (EA) rapid heating of Al–Si coated hot-stamping steels are compared. In “along the surface” EA heating (or simply EA surface heating), the electric current is simply applied to a specimen by clamping the each end of the specimen length with a set of flat rectangular electrodes. In “through the thickness” EA heating (or simply EA thickness heating), the electric current is applied to a specimen by attaching a set of electrodes with multiple contact points on upper and lower surfaces of the specimen. While the EA surface heating generally requires a shorter heating time due to a higher electrical resistance in the length direction, the EA thickness heating also may provide a technical advantage that the heating area can be more easily configured in a case of partial austenization.</p>

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)0,006
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,043
Score d'incertitude au seuil0,216

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,001
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 recherche0,0000,000
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 Opus0,083
Tête enseignante GPT0,356
Écart entre enseignants0,273 · 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

Citations1
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Materials Science ResearchMême sujetMicrostructure and Mechanical Properties of SteelsTravaux en français237 207