MétaCan
Menu
Retour à la cohorte
Enregistrement W2802823017 · doi:10.1139/tcsme-2017-1014

EFFECT OF PRE- AND POST-WELD SHOT PEENING ON THE MECHANICAL & TRIBOLOGICAL PROPERTIES OF TIG WELDED ALUMINUM 6061-T6 ALLOY

2017· article· en· W2802823017 sur OpenAlexvenueno aff
Anas M. Atieh, Rula M. Allaf, Abdulaziz Alhazaa, Mahmoud A. Barghash, Hasan Mubaydin

Notice bibliographique

RevueTransactions of the Canadian Society for Mechanical Engineering · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueSurface Treatment and Residual Stress
Établissements canadiensnon disponible
Organismes subventionnairesGerman-Jordanian University
Mots-clésMaterials scienceShot peeningPeeningWeldingUltimate tensile strengthMetallurgyDuctility (Earth science)Gas tungsten arc weldingAlloyTribologyComposite materialResidual stressArc welding

Résumé

récupéré en direct d'OpenAlex

In this paper, the effects of shot peening on the performance of TIG welded 6061-T6 Al alloy are investigated. Six different scenarios are evaluated utilizing two levels of high/low shot peening intensities. The hardness profiles demonstrate a “W” shaped distribution, with low hardness values in heat affected zone, implying coarsening of precipitates. Except for ductility, the results indicate that all shot peening scenarios enhance the tensile properties of the welded specimens with respect to the unpeened control, with enhancements ranging from approximately 3 to 35%. Pre-weld low intensity shot peening results in the highest increase of tensile strength. The coefficient of friction ranges from approximately 0.4 to 0.9 compared to the unpeened control with a coefficient of approximately 0.6.

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 enseignants0,092
Score d'incertitude au seuil0,484

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 Opus0,023
Tête enseignante GPT0,226
Écart entre enseignants0,203 · 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

Citations6
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransactions of the Canadian Society for Mechanical EngineeringMême sujetSurface Treatment and Residual StressTravaux en français237 207