MétaCan
Menu
Retour à la cohorte
Enregistrement W3047639943 · doi:10.14447/jnmes.v23i1.a09

Cluster Analysis of Lost Foam Casted Al-Zn-Mg-Cu Alloy with K–Mean Algorithm

2020· article· en· W3047639943 sur OpenAlexvenueno aff
Kathirvel Thiyagarajan, M. Jayaraman, V. Vijayan, R. Ramkumar

Notice bibliographique

RevueJournal of New Materials for Electrochemical Systems · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueMetallurgy and Material Forming
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCluster (spacecraft)AlloyMaterials scienceComputer scienceAlgorithmMetallurgyOperating system

Résumé

récupéré en direct d'OpenAlex

AA7075 is super-strength aluminum alloys to under the Al-Zn-Mg-Cu group and natural aging characteristic. The increasing need for metal matrix composites to be cost-effective and at the same time have an optimum level of performance. The contemporary market of industryoriented software for structural strength analysis impresses very much by its versatility. The effect of conventional casting and lost foam casting of AA7075 materials mechanical properties, cluster analysis, surface roughness, and FEA analysis has been studied. The finite element analysis models were generated in ANSYS. The surface roughness of aluminum alloy 7075 made by conventional casting is lower than the by lost foam casting. From this SEM images of the aluminum alloy 7075 part made of foam casting posse's better bonding of aluminum material than conventional casting. The dense molecular bonding of aluminum in foam casting may improve the mechanical properties.

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)0,000
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 enseignants0,053
Score d'incertitude au seuil0,797

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,013
Tête enseignante GPT0,226
Écart entre enseignants0,213 · 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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of New Materials for Electrochemical SystemsMême sujetMetallurgy and Material FormingTravaux en français237 207