MétaCan
Menu
Retour à la cohorte
Enregistrement W2632955854 · doi:10.1080/20550340.2017.1341125

Characterizing short-fiber-reinforced composites produced using additive manufacturing

2017· article· en· W2632955854 sur OpenAlexaff
M. Ivey, Garrett W. Melenka, Jason P. Carey, Cagri Ayranci

Notice bibliographique

RevueAdvanced Manufacturing Polymer & Composites Science · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing and 3D Printing Technologies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesKowa Company
Mots-clésMaterials scienceComposite materialPolylactic acidCrystallinityUltimate tensile strengthExtrusionAnnealing (glass)Protein filamentTensile testingFused filament fabricationYoung's modulusMicrostructurePolymerElastic modulus

Résumé

récupéré en direct d'OpenAlex

Material extrusion additive manufacturing (MEAM), a sub-branch of three-dimensional (3D) printing is growing in popularity. Test specimens were 3D-printed using commercial polylactic acid (PLA) filament, and PLA filament reinforced with short-carbon fibers (PLA/CF). As-printed specimens and specimens that were annealed at three different temperatures, then subjected to tensile testing. The internal microstructures of the samples were also examined. The effects of the short-carbon fiber fillers on the mechanical properties of 3D-printed PLA were investigated, and the effects of the annealing process on polymer crystallinity and mechanical properties. The annealing process was shown to increase the crystallinity of both sample groups, though no statistically significant effect of annealing on mechanical properties was observed. The tensile properties of the PLA and PLA/CF filaments showed that the addition of carbon fibers to the PLA filament led to a significant increase in elastic modulus of the MEAM samples.

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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
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 recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,020
Tête enseignante GPT0,259
Écart entre enseignants0,240 · 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

Citations161
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced Manufacturing Polymer & Composites ScienceMême sujetAdditive Manufacturing and 3D Printing TechnologiesTravaux en français237 207