MétaCan
Menu
Retour à la cohorte
Enregistrement W2743057317 · doi:10.1002/adem.201700423

Work of Adhesion Measurements of MoS<sub>2</sub> Dry Lubricated 440C Stainless Steel Tribological Contacts

2017· article· en· W2743057317 sur OpenAlexaff
Simo Pajovic, Guillaume Colas, Aurélien Saulot, Mathieu Renouf, Tobin Filleter

Notice bibliographique

RevueAdvanced Engineering Materials · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueAdhesion, Friction, and Surface Interactions
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésTribologyMaterials scienceComposite materialAsperity (geotechnical engineering)AdhesionWork (physics)Contact mechanicsMetallurgyFinite element methodMechanical engineeringStructural engineering

Résumé

récupéré en direct d'OpenAlex

The tribological behavior of dry lubricants depends on their mechanical and physicochemical environment, making it difficult to predict in practice. Discrete Element Method‐based modeling has been one successful approach to provide valuable insight into the tribology of dry lubricated contacts. However, it requires well‐defined interactions between discrete elements, in particular between those simulating different materials. Measuring the properties governing those interactions, such as the work of adhesion (W), is therefore critical. The present work describes a method for measuring the W between AISI440C steel and MoS2‐based coatings used in spacecraft. Using Atomic Force Microscopy local asperity and adhesion measurements, the W between steel microbeads and MoS2 coatings is determined at different stages in its wear life. The distributions of W values in the worn coatings and pristine coatings agree well with earlier Time‐of‐Flight Secondary Ion Mass Spectroscopy studies on the physicochemistry of the samples, as well as contact angle measurements. Additional measurements between the same materials on a ball bearing from a real life‐test unit of a spacecraft instrument also show a similar W distribution, suggesting that the approach used here provides relevant data for use in numerical simulations.

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

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 Opus0,024
Tête enseignante GPT0,241
Écart entre enseignants0,216 · 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

Citations11
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced Engineering MaterialsMême sujetAdhesion, Friction, and Surface InteractionsTravaux en français237 207