MétaCan
Menu
Retour à la cohorte
Enregistrement W4312822630 · doi:10.1590/s1517-707620220002.1379

Desenvolvimento de liga de ferro fundido cinzento modificado com Nióbio para fabricação de discos de freio

2022· article· pt· W4312822630 sur OpenAlexaff
Jaison José de Picoli, Manar N. Krmasha, Orlando Preti, Kassim S. Al-Rubaie

Notice bibliographique

RevueMatéria (Rio de Janeiro) · 2022
Typearticle
Languept
DomaineEngineering
ThématiqueBrake Systems and Friction Analysis
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPhysicsMaterials scienceArt

Résumé

récupéré en direct d'OpenAlex

RESUMO Sistemas de freio a disco são utilizados em alta escala na indústria automotiva mundial, devido à sua eficiência, simplicidade do sistema e fácil manutenção. Neste trabalho, foram desenvolvidos discos de freio de ferro fundido cinzento modificado com nióbio. Foram estudadas as adições de nióbio de 0,11%, 0,17% e 0,26% à composição química de um ferro fundido cinzento comercial. Os discos de freio foram fundidos e usinados até as dimensões e acabamento finais para aplicação. A microestrutura foi avaliada utilizando um microscópio óptico e um software de análise de imagens digitais. O teste de desempenho da frenagem e desgaste foram realizados em um dinamômetro de inércia. Testes não destrutivos foram conduzidos usando líquidos penetrantes para revelar trincas após o teste de frenagem. Além disso, a geração de trincas devido a tensões mecânicas e térmicas cíclicas sofridas pelos discos durante o uso foi explicada. Com o aumento da adição de Nb, observou-se uma tendência ao aumento da estabilidade do atrito e velocidade de assentamento, diminuição da temperatura e redução da perda de desgaste. A adição de nióbio melhorou o comportamento dos discos de freio principalmente na redução ao desgaste do par de atrito, 31% para o disco e 15,5% para as pastilhas. Os melhores resultados foram encontrados no disco 4 com 0,26% de Nb.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0020,000

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 Opus0,036
Tête enseignante GPT0,251
Écart entre enseignants0,216 · 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'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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMatéria (Rio de Janeiro)Même sujetBrake Systems and Friction AnalysisTravaux en français237 207