MétaCan
Menu
Retour à la cohorte
Enregistrement W3011991853 · doi:10.1177/0361198120907583

Testing Procedures on Materials to Formulate the Ink for 3D Printing

2020· article· en· W3011991853 sur OpenAlexafffund
Malo Charrier, Claudiane Ouellet‐Plamondon

Notice bibliographique

RevueTransportation Research Record Journal of the Transportation Research Board · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueInnovations in Concrete and Construction Materials
Établissements canadiensÉcole de Technologie SupérieureUniversité du Québec à Montréal
Organismes subventionnairesFonds de recherche du Québec – Nature et technologies
Mots-clésSlumpMortarInkwellCement3D printingStack (abstract data type)Materials scienceConcrete slump testScreen printingYield (engineering)Composite materialForensic engineeringEngineeringStructural engineeringProcess engineeringEngineering drawingComputer science

Résumé

récupéré en direct d'OpenAlex

Three-dimensional (3D) printing has been used in various fields to tackle applications difficult for conventional manufacturing. To realize the full potential of this technology in the transportation sector, it is imperative to identify suitable tests and mixtures for printing “inks” made of mortar. In this study, several conventional and non-conventional tests on mortars and cement pastes were conducted. This work highlights the correlation between the results of slump test and the deformation test that indicates the comportment of the mixture under a stack of printed layers. Moreover, a strong connection between yield stress and mini-slump is observed, demonstrating a simplification of the testing procedure, and a link between the mortar and the cement paste is developed. In the printing ink design phase, this association enables the prediction of flowability. The yield stress and the final radius of the mini-slump tests were very well correlated for the admixture tested. The use of the mini-slump test simplifies the testing procedure and allows for quicker formulations of admixtures in the printing ink.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,003

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 Opus0,126
Tête enseignante GPT0,366
Écart entre enseignants0,240 · 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

Citations14
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTransportation Research Record Journal of the Transportation Research BoardMême sujetInnovations in Concrete and Construction MaterialsTravaux en français237 207