MétaCan
Menu
Retour à la cohorte
Enregistrement W4382312339 · doi:10.1016/j.rsurfi.2023.100117

Binary and ternary lubricious oxides for high temperature tribological applications: A review

2023· review· en· W4382312339 sur OpenAlexafffund
Amit Roy, Payank Patel, Navid Sharifi, Richard R. Chromik, Pantcho Stoyanov, Christian Moreau

Notice bibliographique

RevueResults in Surfaces and Interfaces · 2023
Typereview
Langueen
DomaineEngineering
ThématiqueMetal and Thin Film Mechanics
Établissements canadiensConcordia UniversityMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaConsortium de Recherche et d’innovation en Aérospatiale au Québec
Mots-clésTribologyMaterials scienceTernary operationOxideFriction coefficientDry lubricantMetallurgyCoefficient of frictionComposite materialComputer science

Résumé

récupéré en direct d'OpenAlex

Oxides and oxide-based coatings have been widely used as solid lubricants in demanding operating conditions to achieve low friction and wear due to their higher thermal and chemical stability. However, their tribological performance is highly dependent on the test temperatures and the surrounding environment. This article provides a comprehensive review of low-friction oxides and oxide-based coatings in relation to the influence of operating temperature on their tribological performance and their potential use as solid lubricants. Special emphasis is placed on the tribological behavior of binary and ternary oxides developed over the last few decades. Furthermore, this review summarizes the high temperature tribology, mechanisms and interfacial processes of the oxides leading to low friction coefficient and wear in high temperature applications.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,940
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
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 Opus0,051
Tête enseignante GPT0,313
Écart entre enseignants0,262 · 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'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

Citations25
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueResults in Surfaces and InterfacesMême sujetMetal and Thin Film MechanicsTravaux en français237 207