MétaCan
Menu
Retour à la cohorte
Enregistrement W4392872811 · doi:10.14447/jnmes.v27i1.a10

Investigation on the Impact of Coating Thickness Setting and Calendering on the NMC 811 Cathode Performances for Lithium-Ion Batteries

2024· article· en· W4392872811 sur OpenAlexvenueno aff
Endah Retno Dyartanti, Rosana Budi Setyawati, Agus Purwanto

Notice bibliographique

RevueJournal of New Materials for Electrochemical Systems · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvancements in Battery Materials
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCalenderingLithium (medication)Materials scienceCathodeCoatingIonComposite materialForensic engineeringElectrical engineeringChemistryEngineeringPsychology

Résumé

récupéré en direct d'OpenAlex

The need for energy in various activities around the world is increasing.Batteries come as an important energy solution, among others, for various applications, such as electric vehicles, mass storage for utilities, gadgets, etc. Lithium-ion batteries that are able to produce superior performance are needed.The battery cathode is an important key to the performance of lithium-ion batteries.The battery cathode fabrication factor is one that affects the quality of the battery produced.The thickness of the coating material will determine the amount of active material contained in the cathode, while the calendering process is needed to compress the material in the cathode so that the lithium-ion transfer process in the battery can run more effectively.Based on the research results, the thicker the coating material on the cathode, the greater the capacity value produced.With a coating thickness of 300 µm, the resulting capacity reaches 180 mAh/gr.However, in the life cycle and rate capability tests, the performance stability is not better than the thickness of 100 µm and 200 µm.As for the calendering level, the battery with an optimum decrease in dry thickness is able to have the best performance in terms of capacity, life cycle, and rate capability.

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 enseignants0,001
Score d'incertitude au seuil0,004

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 technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,035
Tête enseignante GPT0,279
Écart entre enseignants0,245 · 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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of New Materials for Electrochemical SystemsMême sujetAdvancements in Battery MaterialsTravaux en français237 207