MétaCan
Menu
Retour à la cohorte
Enregistrement W2894184896 · doi:10.1088/1757-899x/418/1/012082

Failure Characterization of Multi-Alloy and Multi-Gauge Hot-Stamped Tailor-Welded Blanks

2018· article· en· W2894184896 sur OpenAlexafffund
Pedram Samadian, Mary A. Wells, Michael J. Worswick

Notice bibliographique

RevueIOP Conference Series Materials Science and Engineering · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueMetal Forming Simulation Techniques
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésMaterials scienceUniaxial tensionWeldingTension (geology)Ductility (Earth science)Composite materialAlloyStructural engineeringUltimate tensile strengthCreepEngineering

Résumé

récupéré en direct d'OpenAlex

To increase the ductility of hot-stamped structural components, the use of tailor-welded blanks (TWBs) of both high-strength and ductile steels has recently drawn attention. In this study, the failure behavior of the hot-stamped tailor-welded blanks (TWBs) comprising steel sheets of Ductibor®500-AS laser-welded to Usibor®1500-AS was investigated. TWBs with different combinations of 1.2 mm- and 1.6 mm-thick parent metals were hot-stamped and then tested under uniaxial-tension and equi-biaxial-tension loading conditions. Under longitudinal uniaxial-tension loading, all of the TWB types failed in the Usibor®1500-AS whereas in transverse uniaxial-tension loading, the failure occurred in the Ductibor®500-AS. Furthermore, in the equi-biaxial-tension tests, the 1.2 mm-1.6 mm TWBs presented the highest strains prior to failure, while fracturing in the Ductibor®500-AS sheet.

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 enseignants0,034
Score d'incertitude au seuil0,798

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 savante0,0000,001
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 Opus0,018
Tête enseignante GPT0,230
Écart entre enseignants0,212 · 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

Citations3
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

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