MétaCan
Menu
Retour à la cohorte
Enregistrement W2906127667 · doi:10.4028/www.scientific.net/msf.941.438

Physical Simulation Methods Applied to Hot Rolling of Linepipe Steels

2018· article· en· W2906127667 sur OpenAlexaff
Fulvio Siciliano, Samuel Filgueiras Rodrigues, John J. Jonas

Notice bibliographique

RevueMaterials science forum · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueMetallurgy and Material Forming
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésDowntimeMaterials scienceTorsion (gastropod)MicrostructureFlexibility (engineering)Industrial productionProcess engineeringMechanical engineeringReliability engineeringMetallurgyEngineeringMathematics

Résumé

récupéré en direct d'OpenAlex

The simulation of industrial rolling processes has been shown to be an important method to optimize rolling parameters, reduce production costs and improve product quality. Previous works have shown the value of hot rolling simulation by means of torsion tests where the mean-flow-stress (MFS) can be successfully predicted. In the present work, three rolling schedules are simulated by hot torsion tests and compared. It is important to note this methodology provides the flexibility to test different ideas without the risk of downtime or damage to plant equipment that could result from an unsuccessful industrial trial. The simulation analysis considered the production steps from reheating through the final accelerated cooling as well as the final product microstructures. The study provides important information to the production of various steel grades such as pipeline, shipbuilding, structural and other high-end products.

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)0,001
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 enseignants0,083
Score d'incertitude au seuil0,417

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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)0,0000,000

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 Opus0,021
Tête enseignante GPT0,331
Écart entre enseignants0,309 · 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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMaterials science forumMême sujetMetallurgy and Material FormingTravaux en français237 207