MétaCan
Menu
Retour à la cohorte
Enregistrement W3014522932 · doi:10.35806/ijoced.v2i1.103

Dynamic Contact Angle and Corrosion Test Measurements on Cu and CuO-Stearic Acid Modifications on Steel Surfaces

2020· article· en· W3014522932 sur OpenAlexaff
Iwan Setiawan, Satria Robi Trisnanto, I O Suryani

Notice bibliographique

RevueIndonesian Journal of Computing Engineering and Design (IJoCED) · 2020
Typearticle
Langueen
DomaineMaterials Science
ThématiqueSurface Modification and Superhydrophobicity
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésStearic acidContact angleCorrosionMaterials scienceCopperMetallurgyHysteresisComposite material

Résumé

récupéré en direct d'OpenAlex

In this study, a copper (Cu) coated steel surface’s dynamic con-tact angle and corrosion rate was compared to the bare steel and stearic acid modified surfaces. Various steps of surface treatment have been performed including electrodeposition of Cu, CuO formation from H2O2 immersion with stearic acid modi-fication to obtain dynamic contact angle and the corrosion rate data. The Cu-coated steel’s dynamic contact angle was increased as it implied the surface after Cu treatment was more hydro-philic than the bare steel, with sliding angle and contact angle hysteresis of 54.9o ± 2.39o and 39.5o ± 1.91o, respectively. How-ever, corrosion test measurements by using a mass loss method to quantify the corrosion rate showed that Cu-coated steel and stearic acid-modified Cu-O coated steel had no remarkable dif-ference in corrosion rate. It was found that the Cu-coated steel and stearic acid-modified Cu-O coated steel had corrosion rate eight times slower than the bare surface.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,786
Score d'incertitude au seuil0,636

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 Opus0,043
Tête enseignante GPT0,239
Écart entre enseignants0,196 · 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

Citations7
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIndonesian Journal of Computing Engineering and Design (IJoCED)Même sujetSurface Modification and SuperhydrophobicityTravaux en français237 207