MétaCan
Menu
Retour à la cohorte
Enregistrement W2892819158 · doi:10.1088/1757-899x/418/1/012066

Evaluation of wear-induced plastic deformation at the trimmed edge of DP980 steel sheets

2018· article· en· W2892819158 sur OpenAlexaff
Zeyuan Cui, Sandeep Bhattacharya, D. E. Green, A.T. Alpas

Notice bibliographique

RevueIOP Conference Series Materials Science and Engineering · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueMetal Forming Simulation Techniques
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésTrimmingEnhanced Data Rates for GSM EvolutionMaterials scienceDeformation (meteorology)PlasticityMetallurgyDie (integrated circuit)Composite materialEngineeringMechanical engineering

Résumé

récupéré en direct d'OpenAlex

In order to increase the use of advanced high strength steel (AHSS) for automotive light-weighting, the significant trimming-induced wear damage that AHSS sheets cause to the trim dies should be reduced so as to decrease die maintenance costs and deterioration of the quality of sheared edge. In this research, the wear characteristics in the upper AISI D2 die inserts used for trimming DP980-type AHSS sheets and the wear-induced plastic deformation at the sheared edges of DP980 were studied. Observation of wear profiles at the edge of the upper trim die revealed that material abrasion was the main damage feature. The trimmed edge quality of DP980 deteriorated with the number of strokes, as indicated by an increase in burr width. Plastic strains near the surface of the sheared edge estimated using the displacements of martensite plates, increased from 2.9 at 2.5 μm below the trimmed edge after 40,000 th cycles, to 55 after 80,000 th cycles. Micro-hardness tests performed to estimate the local flow stresses in the shear affected zone (SAZ) indicated that the flow stress at a distance of 4.5 μm below the trimmed edge increased with the number of trimming cycles to 1.73 GPa in the 80,000 th trimmed part.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,037
Tête enseignante GPT0,262
Écart entre enseignants0,224 · 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'étudeObservationnel
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

Citations4
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIOP Conference Series Materials Science and EngineeringMême sujetMetal Forming Simulation TechniquesTravaux en français237 207