MétaCan
Menu
Retour à la cohorte
Enregistrement W4255645318 · doi:10.1515/iupac.69.0595

Characterization of Finite Length Composites: Part II. Mechanical Performance of Injection Moulded Composites

2016· dataset· en· W4255645318 sur OpenAlexaff
L. Glas, P. S. Allan, T. Vu-Khanh, A. Cervenka

Notice bibliographique

RevueIUPAC Standards Online · 2016
Typedataset
Langueen
DomaineEngineering
ThématiqueInjection Molding Process and Properties
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésComposite materialMaterials scienceStiffnessUltimate tensile strengthPolypropyleneInjection mouldingToughnessKevlarGlass fiberPolyamideStress (linguistics)ModulusCreepAramidTensile testingFiberEpoxy

Résumé

récupéré en direct d'OpenAlex

An overview is given of the mechanical performance (stiffness, strength, toughness, creep ...) of finite fibre length reinforced thermoplastics based on polypropylene and polyamide as the matrices and glass, carbon and Kevlar as the reinforcement. Different degrees of fibre orientation distribution and fibre attrition as produced by classical injection moulding and multiple-live feed moulding were evaluated. It was found that the simple test geometry used (injection moulded plaques) resembled more a complicated structure than a material. The properties measured therefore were more the complex response of a strongly anisotropic structure than simple material properties. Increased alignment of the fibres in a given direction affected all the mechanical properties, but the effect was largest for the tensile stiffness. A higher degree of fibre orientation, was not accompanied by an increase in properties related to failure (ultimate stress, KIc. The modelling of ultimate stress showed that this could be explained by the more severe fibre attrition which resulted from the forces applied to orient the fibres.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0040,004
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0100,016

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 GPT0,295
Écart entre enseignants0,282 · 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'étudeSans objet
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIUPAC Standards OnlineMême sujetInjection Molding Process and PropertiesTravaux en français237 207