MétaCan
Menu
Retour à la cohorte
Enregistrement W4391168708 · doi:10.3390/aerospace11020106

Round-Robin Study for Ice Adhesion Tests

2024· article· en· W4391168708 sur OpenAlexaff
Nadine Rehfeld, Jean-Denis Brassard, M. Yamazaki, Hirotaka Sakaue, Marcella Balordi, Heli Koivuluoto, Julio Mora, Jianying He, Marie-Laure Pervier, Ali Dolatabadi, Emily Asenath‐Smith, Mikael Järn, Xianghui Hou, Volkmar Stenzel

Notice bibliographique

RevueAerospace · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueIcing and De-icing Technologies
Établissements canadiensUniversity of TorontoUniversité du Québec à Chicoutimi
Organismes subventionnairesnon disponible
Mots-clésAdhesionGeologyMaterials scienceComposite material

Résumé

récupéré en direct d'OpenAlex

Ice adhesion tests are widely used to assess the performance of potential icephobic surfaces and coatings. A great variety of test designs have been developed and used over the past decades due to the lack of formal standards for these types of tests. In many cases, the aim of the research was not only to determine ice adhesion values, but also to understand the key surface properties correlated to low ice adhesion surfaces. Data from different measurement techniques had low correspondence between the results: Values varied by orders of magnitude and showed different relative relationships to one another. This study sought to provide a broad comparison of ice adhesion testing approaches by conducting different ice adhesion tests with identical test surfaces. A total of 15 test facilities participated in this round-robin study, and the results of 13 partners are summarized in this paper. For the test series, ice types (impact and static) as well as test parameters were harmonized to minimize the deviations between the test setups. Our findings are presented in this paper, and the ice- and test-specific results are discussed. This study can improve our understanding of test results and support the standardization process for ice adhesion strength measurements.

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)0,005
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,003

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 Opus0,018
Tête enseignante GPT0,268
Écart entre enseignants0,250 · 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'étudeObservationnel
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

Citations20
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAerospaceMême sujetIcing and De-icing TechnologiesTravaux en français237 207