MétaCan
Menu
Retour à la cohorte
Enregistrement W2592761439 · doi:10.17485/ijst/2016/v9is1/85749

A Digital Image Analysis to Evaluate Delamination Factor after Drilling GFRP Composites using a Kevlar Drill Bit

2016· article· en· W2592761439 sur OpenAlexaff
Jalumedi Babu, Tom Sunny, Jose Philip, Sukhwinder K. Bhullar

Notice bibliographique

RevueIndian Journal of Science and Technology · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueDrilling and Well Engineering
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésKevlarDelamination (geology)Fibre-reinforced plasticDrill bitDrillingComposite materialDrillMaterials scienceBit (key)Computer scienceEpoxyGeology

Résumé

récupéré en direct d'OpenAlex

Objectives: Evaluation of three important delamination factor models and compare their values with varying spindle speeds and feed rates in drilling GFRP composites. Methods: Digital image analysis is adopted for measurement of the dimensions of delamination damage. Accurate assessment of delamination damage is essential for the analysis and design of optimum drilling parameters. Experiments were conducted on GFRP composite materials with feed rates ranging from 100-400 mm/min and spindle speeds ranging from 1000-2500 rpm. Findings: These experiments reveal that delamination reduces with increase in the spindle speed and reduction in the feed rate, but higher spindle speeds may increase the delamination damage. Results also reveal the consideration of area of delamination damage in the assessment of delamination is more important than the maximum damage diameter. Applications: The good mechanical properties of GFRP composites allow their use in compartment panels and doors. Digital image analysis improves the accuracy in measurement of delamination damage.Keywords: Delamination, Digital Image Analysis, Feed Rate, GFRP, Kevlar Drill Bit, Spindle Speed

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,005
Tête enseignante GPT0,217
Écart entre enseignants0,212 · 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

Citations6
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIndian Journal of Science and TechnologyMême sujetDrilling and Well EngineeringTravaux en français237 207