MétaCan
Menu
Retour à la cohorte
Enregistrement W2892879789 · doi:10.5539/emr.v7n2p14

Use of KEVLAR ® 49 in Aircraft Components

2018· article· en· W2892879789 sur OpenAlexvenueno aff
Firas J. Khusiafan

Notice bibliographique

RevueEngineering Management Research · 2018
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMaterial Properties and Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésKevlarUltimate tensile strengthCompressive strengthEngineeringComputer scienceComposite materialMaterials scienceForensic engineeringEpoxy

Résumé

récupéré en direct d'OpenAlex

Aircraft industry is also finding its way to adapt on the increasing demand not only considering aircraft safety and customer requirements, but also on the increasing legislative requirements in terms of resource efficiency and gas emissions. This document explores Kevlar 49’s application on aircraft components and why this material is specifically selected for such applications above any other Kevlar type of materials. Its functions, properties, advantages and disadvantages are discussed together with some alternative materials in lieu of Kevlar 49. In order to provide credible information, literature search was conducted using significant keywords in Google Scholar and journal repository Deepdyve. Kevalr ® 49 is considered an exceptional material for reinforcement to produce aircraft components. It has high tensile strength, lightweight, inert on some conditions, stiff, and resilient. However, Kevlar’s has poor compressive strength, workability and is overly stiff for some applications. Another disadvantage is its cost, though it was shown to belong to a middle ranged material relative to carbon fiber and Boron. But overall, there are extensive applications in aircraft components that are now continuously using this material as reinforcement with other materials like carbon and boron to arrive on an ideal blend of product.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: aucune
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0110,004

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 Opus0,118
Tête enseignante GPT0,323
Écart entre enseignants0,205 · 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

Citations21
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEngineering Management ResearchMême sujetMaterial Properties and ApplicationsTravaux en français237 207