MétaCan
Menu
Retour à la cohorte
Enregistrement W2806450475 · doi:10.1016/j.msea.2018.06.005

Creep strength and minimum strain rate estimation from Small Punch Creep tests

2018· article· en· W2806450475 sur OpenAlexfundno aff
Stefan Holmström, Youzhong Li, Petr Dymáček, E. Vacchieri, Spencer Jeffs, R.J. Lancaster, D. Omacht, Zdeněk Kuboň, Ettore Anelli, Juhani Rantala, Andrea Tonti, Shin-ichi KOMAZAKI, Naveena Naveena, Roger Christopher Hurst, Peter Hähner, M. Richardson, D. Andrés

Notice bibliographique

RevueMaterials Science and Engineering A · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueHigh Temperature Alloys and Creep
Établissements canadiensnon disponible
Organismes subventionnairesEngineering and Physical Sciences Research CouncilEnvironment and Climate Change Canada
Mots-clésCreepMaterials scienceUltimate tensile strengthUniaxial tensionStructural engineeringStress (linguistics)Work (physics)Composite materialEngineeringMechanical engineering

Résumé

récupéré en direct d'OpenAlex

A new standard is currently being developed under the auspices of ECISS/TC 101 WG1 for the small punch testing technique for the estimation of both tensile and creep properties. Annex G of the new standard is covering the assessment and evaluation of small punch creep (SPC) data. The main challenge for estimating uniaxial creep properties from SPC data is the force to equivalent stress conversion between SPC and uniaxial creep tests. In this work a range of SPC assessment methodologies, benchmarked for the standard, are compared for verifying the best practice used in the standard. The estimated equivalent stresses for SPC are compared to uniaxial creep stresses at equal rupture times, using three alternative models. In-depth analyses are performed on SPC and uniaxial creep data for P92, F92 and 316 L steel tested within an inter-laboratory round robin. The formulation for SPC equivalent creep strain rate in the standard is also assessed.

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)0,003
score de la tête « metaresearch » (Gemma)0,006
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: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,007
Tête enseignante GPT0,194
Écart entre enseignants0,187 · 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

Citations52
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMaterials Science and Engineering AMême sujetHigh Temperature Alloys and CreepTravaux en français237 207