MétaCan
Menu
Retour à la cohorte
Enregistrement W4307563793 · doi:10.1088/1757-899x/1258/1/012028

Review on Corrosion studies of Heat Treated Al-Si Alloy

2022· article· en· W4307563793 sur OpenAlexaff
M N Sanath, C L Nihal, Prabhuling, P M Shivaprasad, H.V Puneeth, M K Srinath

Notice bibliographique

RevueIOP Conference Series Materials Science and Engineering · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueAluminum Alloy Microstructure Properties
Établissements canadiensHorizon College and Seminary
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceAlloyMetallurgyEutectic systemMicrostructureCorrosionAluminiumMachiningCasting5005 aluminium alloy6111 aluminium alloySiliconHardening (computing)Grain sizeSpecific strengthAluminium alloy6063 aluminium alloyComposite material

Résumé

récupéré en direct d'OpenAlex

Heat-treated Al-Si alloys are widely used in the automotive, military, marine, electrical, food and chemical industries. This alloy exhibits high-strength properties used in corrosion-resistant homes. However, this alloy has low mechanical properties and a large granular structure when cast. The properties of aluminium alloys depend primarily on the microstructure. It is very important to achieve a smooth structure. The formation of fine and equivalent grains depends primarily on the amount of hardening, the addition of basic alloys (grain cleaners), the mixing and processing of alloys. Aluminium alloys are an important component of light metals used in industry. Al-Si alloys are essential for automotive, aerospace, marine and engineering applications. Al-Si alloys have excellent physical and mechanical properties. These alloys offer low weight, excellent corrosion resistance, easy machining, heat treatment, excellent casting ability and excellent machining performance. The mechanical properties of these alloys depend primarily on the size, shape and distribution of Si and Al particles. Al-Si alloy produces coarse α-Al dendrites and shark eutectic silicon. Fine structures are known to provide good mechanical properties and reduce casting defects. During the casting process, a fine-grained structure can be obtained by adding a lower alloy to the melt.

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 enseignants0,005
Score d'incertitude au seuil0,794

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 GPT0,235
Écart entre enseignants0,211 · 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

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIOP Conference Series Materials Science and EngineeringMême sujetAluminum Alloy Microstructure PropertiesTravaux en français237 207