MétaCan
Menu
Retour à la cohorte
Enregistrement W4213157316 · doi:10.18280/acsm.440409

Fabrication of AA7075 Hybrid Green Metal Matrix Composites by Friction Stir Processing Technique

2020· article· en· W4213157316 sur OpenAlexvenueno aff
Sanjay Kumar, Ashish Kumar Srivastava, Rakesh Kumar Singh

Notice bibliographique

RevueAnnales de Chimie Science des Matériaux · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueAluminum Alloys Composites Properties
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFriction stir processingMaterials scienceComposite materialComposite numberDeformation (meteorology)FabricationSevere plastic deformationMicrostructure

Résumé

récupéré en direct d'OpenAlex

Friction stir processing is an avant-garde technique of producing new surface composite or changing the different properties of a material through intense, solid-state localized material plastic deformation. This change in properties depends upon the deformation formed by inserting a non-consumable revolving tool into the workpiece and travels laterally through the workpiece. This research work highlights the effect of process parameters on mechanical properties of fabricated surface composites by friction stir processing. By using various reinforcing materials like Ti, SiC, B4C, Al2O3 with waste elements like waste eggshells, rice husks, coconut shell and coir will be used to fabricate the green composites which are environmentally friendly and reduces the problem of decomposition. The parameter for this experiment is considered as the reinforcing materials, tool rotation speed and tool tilt angle. The SiC/Al2O3/Ti along with eggshell are selected asreinforcement materials. The main effect of the reinforcement is to improve mechanical properties, like hardness, impact strength and strength. The results revealed that the process parameters significantly affect the mechanical properties of friction stir processed surface composites.

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 enseignants0,244
Score d'incertitude au seuil0,761

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,024
Tête enseignante GPT0,243
Écart entre enseignants0,219 · 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

Citations21
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnales de Chimie Science des MatériauxMême sujetAluminum Alloys Composites PropertiesTravaux en français237 207