MétaCan
Menu
Retour à la cohorte
Enregistrement W2950900031 · doi:10.3390/ma12111876

Investigation of the Quench Sensitivity of an AlSi10Mg Alloy in Permanent Mold and High-Pressure Vacuum Die Castings

2019· article· en· W2950900031 sur OpenAlexafffund
Mengyun Liu, Zhan Zhang, Francis Breton, X.-Grant Chen

Notice bibliographique

RevueMaterials · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueAluminum Alloy Microstructure Properties
Établissements canadiensRio Tinto (Canada)Université du Québec à Chicoutimi
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésDie (integrated circuit)Materials scienceMoldMetallurgyAlloyDie castingSensitivity (control systems)Composite materialCastingEngineering

Résumé

récupéré en direct d'OpenAlex

The quench sensitivities of an AlSi10Mg alloy in permanent mold (PM) and high-pressure vacuum die (HPVD) castings were investigated with time–temperature–transformation and time–temperature–property diagrams using an interrupted quench technique. The quench-sensitive temperature range of the HPVD casting sample is 275–450 °C, and its nose temperature is 375 °C. The quench-sensitive range of the PM casting sample is 255–430 °C, and the nose temperature is 350 °C. The mechanical strength versus the cooling rate in both casting samples were predicted via a quench factor analysis and verified experimentally. The critical cooling rate of the HPVD casting sample is 20 °C/s whereas it is 17 °C/s for the PM casting sample. With a shorter critical time, higher nose temperature, and higher critical cooling rate, the HPVD casting sample exhibits a higher quench sensitivity than the PM casting sample. The differences in the quench sensitivities of the AlSi10Mg alloy due to the different casting processes is explained via the different precipitation behavior. At the nose temperature, coarse β-Mg2Si precipitates mainly precipitate along the grain boundaries in the HPVD casting sample, whereas rod-like β-Mg2Si precipitates distribute in the aluminum matrix in the PM casting.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 Opus0,007
Tête enseignante GPT0,178
Écart entre enseignants0,171 · 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

Citations12
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMaterialsMême sujetAluminum Alloy Microstructure PropertiesTravaux en français237 207