MétaCan
Menu
Retour à la cohorte
Enregistrement W4387017587 · doi:10.6000/1929-5995.2023.12.11

Experimental Studies on Abrasive Water Jet Cutting of Nano SiC Particles Filled Hybrid Basalt-Glass Fibre-Reinforced Epoxy Composites

2023· article· en· W4387017587 sur OpenAlexvenueno aff
S. Vijayabhaskar, D. Vijayan, K. Palanikumar

Notice bibliographique

RevueJournal of Research Updates in Polymer Science · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueErosion and Abrasive Machining
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceComposite materialMachiningSurface roughnessScanning electron microscopeTraverseEpoxyGlass fiberAbrasiveComposite numberSurface finishJet (fluid)Nano-Metallurgy

Résumé

récupéré en direct d'OpenAlex

Abrasive water jet machining (AWJM) is extensively beneficial in machining materials that are hard to cut. This investigation deals with AWJM of Nano SiC filled Epoxy reinforced with basalt-glass fiber hybrid composite. The composite is prepared by compression moulding technique. Experimental trails are performed to evaluate the impact of every process parameter on the responses i.e., surface roughness (Ra) and Material Removal Rate (MRR). The experiments are conducted by changing the standoff distance (SD), traverse speed (TS) and water pressure. The performance of the conducted experiment is analysed using a Swarm intelligence algorithm. Surface roughness and MRR are maximized by using the combination of optimum process parameter levels of 9.72 mm/min speed, 5.78 mm stand-off distance and 553 MPa jet pressure. Scanning Electron Microscopic (SEM) images are employed in detecting the morphology of machined surface and confirmed the presence of voids and fibre pull-out.

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)0,005
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,017
Score d'incertitude au seuil0,823

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,002
Communication savante0,0000,001
Science ouverte0,0010,001
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 Opus0,055
Tête enseignante GPT0,384
Écart entre enseignants0,330 · 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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Research Updates in Polymer ScienceMême sujetErosion and Abrasive MachiningTravaux en français237 207