MétaCan
Menu
Retour à la cohorte
Enregistrement W2696366160 · doi:10.1299/jsmemm.2012._os1606-1_

OS1606 A Development of Cyclic Press Method for Nano-structural Refinement of Metal Surface

2012· article· en· W2696366160 sur OpenAlexaff
Masahiro Ueno, Takashi Nakamura, Kenji Ookubo, Seiichi Watanabe

Notice bibliographique

RevueThe Proceedings of the Materials and Mechanics Conference · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueSurface Treatment and Residual Stress
Établissements canadiensGeomechanica (Canada)
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceNanocrystalline materialNano-MetalAlloyComposite materialLayer (electronics)MetallurgyNanotechnology

Résumé

récupéré en direct d'OpenAlex

In recent studies of very high cycle fatigue, a unique phenomenon of nano-structural refinement has been observed beneath fracture surfaces due to a large number of repeating contacts of themselves over 10^7 cycles. Focusing on this phenomenon, this study proposed a new surface treatment named Cyclic Press Method to refine metal surface without profound plastic deformation. A low cyclic compressive load was given to the surface of Ni-Cr-Mo steel (SNCM439) and Al-Si-Cu die-casting alloy (ACD12) for 5×10^7 cycles. After that, the longitudinal section was processed by FIB and was observed with SIM. As a result, the nanocrystalline structure was clearly formed in the surface layer of both materials. The size of nano-grains and the depth of nano-layer were different between two materials; however, the Cyclic Press Method was shown to be effective in nano-structural refinement of metal surface.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,015
Score d'incertitude au seuil0,297

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 ouverte0,0000,000
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 Opus0,029
Tête enseignante GPT0,250
Écart entre enseignants0,221 · 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

Citations2
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Proceedings of the Materials and Mechanics ConferenceMême sujetSurface Treatment and Residual StressTravaux en français237 207