EXPERIMENTAL POLYMERIC NANOCOMPOSITE MATERIAL SELECTION FOR AUTOMOTIVE BUMPER BEAM USING MULTI-CRITERIA DECISION MAKING METHODS
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Material selection is a main purpose in design process and plays an important role in desired performance of the products for diverse engineering applications. In order to solve material selection problem, multi criteria decision making (MCDM) methods can be used as an applicable tool. Bumper beam is one of the most important components of bumper system in absorbing energy. Therefore, selecting the best material that has the highest degree of satisfaction is necessary. In the present study, six polymeric nanocomposite materials were injection molded and considered as material alternatives. Criteria weighting was carried out through analytical hierarchy process (AHP) and Entropy methods. Selecting the most appropriate material was applied using technique for order preference by similarity to ideal solution (TOPSIS) and the multi-objective optimization on the basis of ratio analysis (MOORA) methods respect to the considered criteria. Criteria weighting results illustrated that impact and tensile strengths are the most important criteria using AHP and Entropy methods, respectively. Results of ranking alternatives indicated that polycarbonate containing 0.5 wt% nano Al2O3 is the most appropriate material for automotive bumper beam due to its high impact and tensile strengths in addition to its low cost of raw material. Also, the sensitivity analysis was performed to verify the selection criteria and the results as well.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,007 | 0,004 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,000 |
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.
score_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