MétaCan
Menu
Retour à la cohorte
Enregistrement W3208903831 · doi:10.36909/jer.icari.15317

Wear and Residual Stress Analysis of Waste Sea Shell and B4C Particles Reinforced Green Hybrid Aluminium Metal Composite

2021· article· en· W3208903831 sur OpenAlexaff
Vipin Kumar Sharma, Sri Kant Rana, Roop Lal, Ramakant Rana

Notice bibliographique

RevueJournal of Engineering Research · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueAluminum Alloys Composites Properties
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceTribometerComposite materialComposite numberIndentation hardnessResidual stressMicrostructureTribologyAluminiumMetallurgyScanning electron microscopeAluminium alloyShell (structure)

Résumé

récupéré en direct d'OpenAlex

Present work, evaluates the effects of Sea shell and B4C powder on the mechanical behavior of the aluminium material (Al 6082). Stir casting method was used to fabricate a hybrid composite of Al 6082 with sea shell and B4C. A linear reciprocating tribometer was used to evaluate the wear and friction behavior. The addition of sea shell and B4C particles, resulted in 7-13 % reduction in coefficient of friction and 32-43 % improvement in wear resistance as compared to the Al 6082 alloy. The average Vicker hardness was also improved by 20-70 %. The residual stresses developed during the mechanical testing were also measured to inspect the generation of residual stresses in the fabricated composite. Optical micrographs and scanning electron microscope (SEM) were obtained to analyze the prepared composites for the wear behavior. Waste sea shells were reinforced with B4C in Al 6082 alloys. Microhardness along with microstructure and residual stress of the developed green hybrid aluminium metal composite are compared and presented. The wear and friction data have also been shown in this paper for the use of green hybrid aluminium composite in tribological applications.

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
Bibliométrie0,0010,000
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 Opus0,025
Tête enseignante GPT0,259
Écart entre enseignants0,234 · 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

Citations9
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Engineering ResearchMême sujetAluminum Alloys Composites PropertiesTravaux en français237 207