MétaCan
Menu
Retour à la cohorte
Enregistrement W4285737293 · doi:10.18280/rcma.320303

Effect of Graphite Addition on Aluminum Hybrid Matrix Composite by Powder Metallurgy Method

2022· article· en· W4285737293 sur OpenAlexvenueno aff
Muhammad Syahid, Azwar Hayat, Aswar Aswar

Notice bibliographique

RevueRevue des composites et des matériaux avancés · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueAluminum Alloys Composites Properties
Établissements canadiensnon disponible
Organismes subventionnairesUniversitas Hasanuddin
Mots-clésMaterials scienceGraphiteComposite numberPorosityPowder metallurgyMicrostructureAluminiumComposite materialMetallurgy

Résumé

récupéré en direct d'OpenAlex

The requirement for optimal strength and lightweight materials is a challenge in today's automotive industry. In this study, the synthesis of aluminum matrix hybrid composites containing magnesium and copper with the addition of graphite 0, 1, 3, and 5% by volume was carried out using powder metallurgy techniques and investigated the effect of the treatment given. The investigation of composite properties was carried out by testing density, porosity, hardness, wear rate, XRD, and SEM investigations integrated with EDS. Optimal conditions indicated composite with a content of 5% volume of graphite with the lowest porosity level of 5.10%, the relative density of 88.67%, and the highest hardness at 50.37 HV, followed by superior wear resistance. This result is supported by observing secondary phase formation and microstructure through XRD and SEM-EDS. The addition of graphite in the composite supports optimizing physical and mechanical properties as a lightweight composite. It deserves to be considered as an alternative material for automotive components.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,100
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
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)0,0010,000

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 Opus0,016
Tête enseignante GPT0,262
Écart entre enseignants0,246 · 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.

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

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevue des composites et des matériaux avancésMême sujetAluminum Alloys Composites PropertiesTravaux en français237 207