MétaCan
Menu
Retour à la cohorte
Enregistrement W4389584870 · doi:10.17118/11143/20998

Experimental characterisation of heat flux during industrial quenchingprocesses for accurate estimation of the heat transfert coefficient

2023· article· en· W4389584870 sur OpenAlexaff
Gamaliel Salazar, Jean‐Sebastien Lemyre‐Baron, Mohammad Jahazi, Henri Champliaud, Antoine Tahan

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueMetallurgical Processes and Thermodynamics
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesnon disponible
Mots-clésQuenching (fluorescence)Heat transfer coefficientHeat fluxThermodynamicsMaterials scienceFlux (metallurgy)Heat transferMechanicsPhysicsMetallurgyOpticsFluorescence

Résumé

récupéré en direct d'OpenAlex

High strength steels used in landing gears in aircraft often go through a quench and temper (Q&T) heat treatment cycle that results in the required mechanical properties. Accurate estimation of the heat transfer during the cooling stage (i.e. quench) is of critical importance for reliable prediction of the distortion that could occur after quenching. While standard laboratory test methods are useful to compare the cooling performance of different quenchants; however, such tests hardly represent the actual conditions experienced in industry and often introduce large uncertainties in the predicted severity of the distortion. Specifically, the complex geometry of the component, the positioning of the heating furnace with respect to the quench bath, etc. are illustrative examples of the sources of differences in the heat extraction dynamic on real-life components from laboratory results since small probe diameters tend to produce film boiling caused by a higher heat flux density, which may not be the case for industrialized components. Furthermore, widely accepted quenching intensity factors based on standard testing (e.g., Grossman number) are unable to represent the physical phenomena of the quenching process.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
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 Opus0,027
Tête enseignante GPT0,253
Écart entre enseignants0,226 · 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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMetallurgical Processes and ThermodynamicsTravaux en français237 207