MétaCan
Menu
Retour à la cohorte
Enregistrement W2517670879 · doi:10.5151/engpro-simea2016-pap70

Desgaste do punção de forjamento a quente – mecanismos de desgaste

2016· article· pt· W2517670879 sur OpenAlexaff
Márcio Henrique Pereira, Roberto Martins de Souza, Thales Sardinha Garcia Souza

Notice bibliographique

Revuenon disponible
Typearticle
Languept
DomaineMaterials Science
ThématiqueMetal Alloys Wear and Properties
Établissements canadiensWeyerhauser (Canada)
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPhysicsPolitical scienceArt

Résumé

récupéré en direct d'OpenAlex

A indústria automobilística é responsável pelo consumo por cerca de 60 % de todos os produtos forjados. Desenvolvido a milhares de anos, o forjamento passou por inúmeras melhorias e aperfeiçoamentos até tornar-se um processo de fabricação moderno e capaz de agregar inúmeras características importantes para os produtos de diversas aplicações. A demanda crescente por produtos forjados fomentou a busca por processos mais robustos nos quais as ferramentas de forjamento desempenham um papel relevante para o atingimento de lotes de produção maiores sem que haja detrimento da qualidade do produto. Este trabalho buscou identificar os modos de desgaste existentes em uma ferramenta de forjamento a quente, um punção, utilizada em uma prensa mecânica de acionamento excêntrico horizontal de múltiplos estágios destinada à fabricação de produtos para a indústria automobilística. Foi selecionada uma porca de roda forjada em aço SAE 1045 que possui demanda anual elevada e consequente necessidade de ferramentas. Utilizou-se dois punções no forjamento, os quais foram fabricados em aço H-10 tratado termicamente para atingir dureza de 50-52 HRC. Esta análise possibilitou identificar os modos de desgaste nas diferentes regiões de uma ferramenta de forjamento a quente utilizada em prensa mecânica excêntrica horizontal de múltiplos estágios.

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 candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,115
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0130,005

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 Opus0,031
Tête enseignante GPT0,260
Écart entre enseignants0,230 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations3
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMetal Alloys Wear and PropertiesTravaux en français237 207