MétaCan
Menu
Retour à la cohorte
Enregistrement W2961290943 · doi:10.1515/rams-2019-0012

Surface damage mitigation of titanium and its alloys via thermal oxidation: A brief review

2019· review· en· W2961290943 sur OpenAlexaff
Naiming Lin, Ruizhen Xie, Jiaojuan Zou, Qin Jianfeng, Yating Wang, Shuo Yuan, Dali Li, Lulu Zhao, Luxia Zhang, Zhenxia Wang, Yong Ma, Pengju Han, Wei Tian, Xiaoping Liu, Zhihua Wang, Bin Tang

Notice bibliographique

RevueREVIEWS ON ADVANCED MATERIALS SCIENCE · 2019
Typereview
Langueen
DomaineMaterials Science
ThématiqueTitanium Alloys Microstructure and Properties
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Science Foundation for Young Scientists of Shanxi ProvinceTaiyuan University of TechnologyChina Postdoctoral Science FoundationNational Natural Science Foundation of China
Mots-clésCorrosionMaterials scienceTitaniumMetallurgyBiocompatibilityThermal oxidationSpecific strengthTitanium alloyDegradation (telecommunications)Substrate (aquarium)AerospaceThermalComposite materialAlloyComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract Titanium (Ti) and its alloys have been extensively applied in various fields of chemical industry, marine, aerospace and biomedical devices because of a specific combination of properties such as high strength to weight ratio, exceptional corrosion resistance and excellent biocompatibility. However, friction and wear, corrosion which usually occur on the surfaces of Ti-base components can lead to degradation in both properties and performance. Thermal oxidation (TO) of titanium and its alloys under certain conditions can accomplish significant improvements both in wear resistance and corrosion resistance, without special requirements for substrate geometries. In this review, the studies and applications of TO process in surface damage mitigation titanium and its alloys were reviewed and summarized.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,044
Tête enseignante GPT0,328
Écart entre enseignants0,283 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations49
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueREVIEWS ON ADVANCED MATERIALS SCIENCEMême sujetTitanium Alloys Microstructure and PropertiesTravaux en français237 207