MétaCan
Menu
Retour à la cohorte
Enregistrement W2743692183 · doi:10.21013/jte.icsesd201736

Review of Experimental Investigations in Friction Welding Technique

2017· article· en· W2743692183 sur OpenAlexaff
Gurunath Shinde, P. S. Dabeer

Notice bibliographique

RevueIRA-International Journal of Technology & Engineering (ISSN 2455-4480) · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Welding Techniques Analysis
Établissements canadiensTrinity College
Organismes subventionnairesnon disponible
Mots-clésWeldingFriction weldingUpsetFlywheelInertiaMechanical engineeringRotational speedMaterials scienceForgingWork (physics)Rotation (mathematics)MetallurgyEngineeringComputer sciencePhysics

Résumé

récupéré en direct d'OpenAlex

<p>Friction welding is a solid state welding processes in which the weld is obtained by the heat generated due to forging and friction. Now a day’s eco-friendly joining of dissimilar materials is the need of the industries. The advantages of friction welding process are reduction in production time and cost saving. Friction welding is classified into two types. One type is Inertia drive friction welding and the other is Continuous drive friction welding. In continuous drive friction welding one of the work pieces is held stationary while the other is held for a certain rotating speed. The two work pieces are brought together under certain friction pressure for a<br />certain period of time known as friction time. Then, the rotation is stopped and upset pressure is applied for a certain upset time. Then, the spindle is disengaged and the component is unloaded. In Inertia drive friction welding one part is held stationary while the other is clamped in the chuck which is attached to the flywheel. The flywheel and chuck is rotated for a certain seed to store a predetermined energy. In this paper, review of friction welding on different materials and their weld ability has been discussed in brief.</p>

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,596
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,011
Tête enseignante GPT0,287
Écart entre enseignants0,276 · 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.

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

Citations15
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIRA-International Journal of Technology & Engineering (ISSN 2455-4480)Même sujetAdvanced Welding Techniques AnalysisTravaux en français237 207