MétaCan
Menu
Retour à la cohorte
Enregistrement W3095037261 · doi:10.1051/matecconf/202032608002

Investigation on electrical conductivity and hardness of 6xxx aluminum conductor alloys with different Si levels

2020· article· en· W3095037261 sur OpenAlexafffund
Siamak Nikzad Khangholi, Mousa Javidani, Alexandre Maltais, X.-Grant Chen

Notice bibliographique

RevueMATEC Web of Conferences · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueAluminum Alloy Microstructure Properties
Établissements canadiensRio Tinto (Canada)Université du Québec à Chicoutimi
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésAlloyMaterials scienceTransmission electron microscopyElectrical resistivity and conductivityMetallurgyAluminiumIndentation hardnessConductivityMicrostructureChemistryElectrical engineeringNanotechnology

Résumé

récupéré en direct d'OpenAlex

The impact of Si levels on electrical conductivity (EC) and hardness in Al-Mg-Si 6xxx aluminum conductor alloys was studied at different aging times. Three experimental alloys with the Si levels of 0.4, 0.66, 0.89 wt.% containing a constant Mg content of 0.65 wt.%, designated as Si4, Si6, and Si9, were selected. It is found that the average peak hardness of Si4, Si6, and Si9 alloys were 114, 127 and 140 HV, respectively. The Si9 alloy with the highest Si level exhibited the highest peak hardness, which was consistent with the number density of strengthening precipitates. However, the EC of all studied alloys at peak aging was lower than the minimum required one (52.5 %IACS). The higher Si level in the alloy, the longer aging time required to enhance EC. The Si4, Si6, and Si9 alloys reached the minimum required EC after 3, 5 and 34 h aging time, of which the corresponding hardness was 103, 119 and 111 HV, respectively. Consequently, the Si6 alloy represented a better trade-off between EC and hardness among three studied alloys. The quantitative analyses of precipitates at peak aging and overaging states were carried out by a transmission electron microscope (TEM) investigation.

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 enseignants0,001
Score d'incertitude au seuil0,003

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)0,0010,000

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 Opus0,051
Tête enseignante GPT0,211
Écart entre enseignants0,160 · 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

Citations10
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMATEC Web of ConferencesMême sujetAluminum Alloy Microstructure PropertiesTravaux en français237 207