MétaCan
Menu
Retour à la cohorte
Enregistrement W4220895472 · doi:10.1007/s11666-022-01363-7

How to Unleash the Remarkable Potential of Cold Spray: A Perspective

2022· article· en· W4220895472 sur OpenAlexaff
Éric Irissou, Dominique Poirier, Phuong Vo, C. V. Cojocaru, Maniya Aghasibeig, Stephen Yue

Notice bibliographique

RevueJournal of Thermal Spray Technology · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueHigh-Temperature Coating Behaviors
Établissements canadiensMcGill UniversityNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésGas dynamic cold sprayCommercializationSoftware deploymentPerspective (graphical)NanotechnologySpray dryingMaterials scienceConsolidation (business)Systems engineeringEngineeringBusinessComputer scienceMarketing

Résumé

récupéré en direct d'OpenAlex

Abstract Cold spray is a solid-state, powder-based consolidation technique for deposition of coatings, component repair and near-net-shape additive manufacturing. Its unique attributes have propelled the development and commercialization, yet cold spray has only experienced limited deployment. In fact, cold spray technology could be extended to a considerably broader range of applications and achieve a much higher level of industry adoption by focusing on innovative ways to unlock current roadblocks that prevent it from reaching its full potential. Cold spray R&D efforts have doubled during the last decade and along with new industry applications and novel demands provide both a strong body of knowledge and market pull to identify and address these roadblocks. This paper offers the authors’ perspective on what are the next steps to be taken in cold spray R&D to unleash its remarkable potential.

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 enseignants0,071
Score d'incertitude au seuil0,488

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,005
Tête enseignante GPT0,207
Écart entre enseignants0,202 · 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

Citations26
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Thermal Spray TechnologyMême sujetHigh-Temperature Coating BehaviorsTravaux en français237 207