MétaCan
Menu
Retour à la cohorte
Enregistrement W4280530001 · doi:10.18280/rcma.320206

Recent Development in Casting Technology: A Pragmatic Review

2022· review· en· W4280530001 sur OpenAlexvenueno aff
Adekunle Akanni Adeleke, Makanjuola Oki, Ikechukwu K. Anyim, Peter P. Ikubanni, Adeolu Adesoji Adediran, Ayokunle A. Balogun, Thomas Aghogho Orhadahwe, Peter Omoniyi, Adebayo S. Olabisi, Esther T. Akinlabi

Notice bibliographique

RevueRevue des composites et des matériaux avancés · 2022
Typereview
Langueen
DomaineEngineering
ThématiqueMaterials Engineering and Processing
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCastingInvestment castingMoldManufacturing engineeringSand castingQuality (philosophy)Mechanical engineeringDurabilityMaterials scienceEngineeringMetallurgyComposite material

Résumé

récupéré en direct d'OpenAlex

More reliable and durable parts with high structural integrity are required to meet the increasing advancements in science and technology. This paper reviews five (5) different casting techniques: squeeze casting, sand casting, investment casting, die casting, and continuous casting. Their respective cast products were examined, and their various mechanical properties were discussed. However, these different casting techniques involve a similar fundamental procedure: melting metal, pouring it into a mold, and allowing it to solidify. However, they vary in their physical and mechanical properties, durability, and surface finishing, making one technique more desirable than the other in their application areas. Some techniques were found to be more advantageous and effective than the other, which will aid foundrymen in making the best decision in choosing a technique, considering parameters such as environmental friendliness and cost implications. The appropriate implementation of these will help restructure and refine foundries, improve the quality of cast products, and set the casting technology world on course for the new age.

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)0,002
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: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0050,005
Études des sciences et des technologies0,0000,001
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,105
Tête enseignante GPT0,319
Écart entre enseignants0,213 · 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
GenreSynthèse

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

En bref

Citations12
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevue des composites et des matériaux avancésMême sujetMaterials Engineering and ProcessingTravaux en français237 207