MétaCan
Menu
Retour à la cohorte
Enregistrement W3025520542 · doi:10.33262/concienciadigital.v3i2.1203

Materiales de aleación aluminio-silicio aplicados en la fabricación de partes de motores de combustión interna alternativos Parte II

2020· article· es· W3025520542 sur OpenAlexvenueno aff
Gustavo López, Efraín Velasteguí López

Notice bibliographique

RevueConcienciaDigital · 2020
Typearticle
Languees
DomaineEngineering
ThématiqueAluminum Alloys Composites Properties
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPhysicsArt

Résumé

récupéré en direct d'OpenAlex

En este artículo se presenta un conocimiento sistematizado de la composición química, tipo de moldeo y tratamiento, propiedades mecánicas y térmicas, de las aleaciones aluminio-silicio (Al-Si) aplicadas en la fabricación de partes estructurales de los motores de combustión interna alternativos (MCIA), con el objetivo de proporcionar un fundamento para el desarrollo de investigaciones al comparar, analizar o seleccionar las aleaciones presentadas. Para lo cual, se presentó un primer artículo que dio a conocer que partes estructurales de estos tipos de motores son fabricados con aleaciones de Al-Si. En esta segunda parte se establece la importancia que tendrán las aleaciones Al-Si para reducir las emisiones de gases contaminantes, problemática que enfrenta el mundo. Ante esta situación el artículo presenta los beneficios y propiedades de las aleaciones Al-Si de las series ANSI AA 3xx.0 y 4xx.0, siendo su baja densidad la que permite un menor consumo de combustible en comparación con materiales de alta densidad, por lo que son aplicadas en partes estructurales de los MCIA Otto. También se realiza una breve descripción de la fabricación de partes de aleación de Al-Si para MCIA. Por último, se presenta la estructuración de una tabla que muestra las aleaciones ANSI AA 3xx.0 y 4xx.0 aplicadas en la fabricación de partes estructurales de MCIA Otto, concluyendo que la información técnica de las aplicaciones industriales de las aleaciones, han sido elaboradas y estructuradas de forma sistematizada, para proporcionar un conocimiento detallado y comparativo entre las propiedades.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0020,000

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 Opus0,012
Tête enseignante GPT0,232
Écart entre enseignants0,220 · 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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueConcienciaDigitalMême sujetAluminum Alloys Composites PropertiesTravaux en français237 207