MétaCan
Menu
Retour à la cohorte
Enregistrement W2965732445 · doi:10.5539/jmsr.v8n3p23

Lump System Analysis Modelling for Enhanced Ballistic Performance of Clay Box Doped with Different Types of Additives

2019· article· en· W2965732445 sur OpenAlexvenueno aff
Popoola Abduljelili, Gbadebo I. Olatona, Muhammed T. Abdullahi

Notice bibliographique

RevueJournal of Materials Science Research · 2019
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueBuilding materials and conservation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceNatural rubberThermal conductivityComposite materialArmour

Résumé

récupéré en direct d'OpenAlex

The temperature of clay box used in the ballistic testing of body amour drops sharply upon removal from the oven. This implies that the clay has to be reinserted into the oven for another heating, which slows down the ballistic testing procedure. This paper attempts to solve the problem by studying the effect of addition of different percentages of rubber cuttings, saw dust and berley reeds additives on the cooling rate of clay used in clay box construction. The cooling rate is a measure of the ballistic performance of the clay box. The properties of the clay box such as the density, thermal conductivity and specific heat capacity are factored into the lump system analysis model. Minimum cooling rate of about 2.04×10-03 and 1.89×10-03oC/s were obtained when 0% and 10% rubber cuttings were used as dopands respectively. Rubber cuttings also proved to be the best additives that can be used to enhance the ballistic performance of clay box used in the ballistic testing of body armour.

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)0,004
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 enseignants0,038
Score d'incertitude au seuil0,392

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,044
Tête enseignante GPT0,290
Écart entre enseignants0,246 · 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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Materials Science ResearchMême sujetBuilding materials and conservationTravaux en français237 207