MétaCan
Menu
Retour à la cohorte
Enregistrement W2990238993 · doi:10.1088/1757-899x/651/1/012091

On the Design of Novel Multi-failure Specimens for Ductile Failure Testing

2019· article· en· W2990238993 sur OpenAlexaff
Bruce W. Williams, C. Hari Manoj Simha

Notice bibliographique

RevueIOP Conference Series Materials Science and Engineering · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueMetal Forming Simulation Techniques
Établissements canadiensUniversity of GuelphNatural Resources Canada
Organismes subventionnairesnon disponible
Mots-clésTearingEnvelope (radar)Digital image correlationStructural engineeringStress (linguistics)FixtureDeformation (meteorology)Materials scienceComputer scienceEngineeringComposite materialMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract To quantify uncertainty in the failure response of metallic alloys, conventional experiments may not be suitable owing to the lack of significant scatter in stress states that lead to ductile tearing. In contrast, our testing experience indicates with structures containing strategically located cutouts lead to multiple failure paths and display sufficient scatter in the failure response. Accordingly, we describe the design of dog-bone shaped structures with an ensemble of cutouts, so that at least three different failure paths are observed. In conjunction with Digital Image correlation for full-field displacement measurement and numerical computations, we show how multiple failure paths are obtained when these samples are used. Tests on 2-mm thick 6061-T61 aluminum sheets were conducted using a novel guillotine-style fixture that allows the use of high-speed press. The latter allows testing at strain rates as high as 1 1/s. The primary purpose of this article is to make the case for the use of these samples that not only minimize number of tests required to garner data to calibrate stress-based damage models that capture the entire failure envelope of the material, but also display sufficient scatter that allows quantification of uncertainty in the failure response.

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 enseignants0,081
Score d'incertitude au seuil0,524

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 Opus0,046
Tête enseignante GPT0,235
Écart entre enseignants0,189 · 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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

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