MétaCan
Menu
Retour à la cohorte
Enregistrement W2806227924 · doi:10.1155/2018/7626219

Effect of Melt Temperature on the Effectiveness of the Grain Refining in Al‐Si Castings

2018· article· en· W2806227924 sur OpenAlexaff
A. M. Samuel, S. S. Mohamed, H. W. Doty, S. Valtierra, F. H. Samuel

Notice bibliographique

RevueAdvances in Materials Science and Engineering · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueAluminum Alloy Microstructure Properties
Établissements canadiensCégep de ChicoutimiUniversité du Québec à Chicoutimi
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceRefining (metallurgy)Metallurgy

Résumé

récupéré en direct d'OpenAlex

The results inferred from the present work show that Al 3 Ti phase has a strong affinity to react with silicon (Si) in the molten alloy leading to formation of (Al,Si) 3 Ti phase instead. This reaction is independent of the grain refiner type. The molten liquid temperature would change its morphology from platelets at 750°C into dendritic structure at 950°C. It has also been observed that (Al,Si) 3 Ti phase platelets precipitate within the α ‐aluminum dendrites, whereas TiB 2 or AlB 2 particles are released into the surrounding interdendritic regions. Introduction of the grain refiner, regardless its type, would cause change in the α ‐aluminum dendrite morphology from an elongated to a more rounded form. The results also reveal that addition of 100 ppm B will reduce the initial grain size by ∼85% which is more than the effect of addition of 0.2%Ti in the form of Al‐10%Ti (about 65%). Elimination of undercooling is important to obtain the maximum grain refining effect.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,013
Score d'incertitude au seuil0,286

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
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 Opus0,003
Tête enseignante GPT0,211
Écart entre enseignants0,208 · 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

Citations10
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in Materials Science and EngineeringMême sujetAluminum Alloy Microstructure PropertiesTravaux en français237 207