MétaCan
Menu
Retour à la cohorte
Enregistrement W2521038898 · doi:10.1177/0892705716662516

Manufacturing procedure to make flat thermoplastic composite laminates by automated fibre placement and their mechanical properties

2016· article· en· W2521038898 sur OpenAlexaff
Suong V. Hoa, Minh Duc Hoang, Jeff Simpson

Notice bibliographique

RevueJournal of Thermoplastic Composite Materials · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueMechanical Behavior of Composites
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésThermosetting polymerMaterials scienceComposite laminatesComposite materialThermoplasticAutoclaveComposite numberThermoplastic compositesCuring (chemistry)Mechanical engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

Automated fibre placement (AFP) is a relatively new process for the manufacturing of composite structures. Among many attractive features, it provides high-speed of material deposition, more repeatability in terms of quality of the part, less labour intensive (as compared with traditional methods of manufacturing such as Hand Lay-Up), less waste and the ability to transition more seamlessly from design to manufacturing. AFP can be used to process both thermoset composites and thermoplastic composites. Thermoplastic composites processing holds many potential benefits. This is because if the process is done right in producing parts with good quality, it is fast since it does not require a second process such as curing in an autoclave or oven. For the purpose of comparison of performance and for design, it is necessary to determine the mechanical properties of laminates made using this process. However, there are challenges in making flat coupons for the purpose of testing for mechanical properties. This article presents these challenges and the procedure developed to make flat laminates using a simple AFP machine. Mechanical properties of these laminates are also determined and compared with those obtained from laminates made using conventional autoclave moulding.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

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

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 GPT0,205
Écart entre enseignants0,196 · 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 source (Gemma direct ou Codex distillé), 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

Citations70
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Thermoplastic Composite MaterialsMême sujetMechanical Behavior of CompositesTravaux en français237 207