MétaCan
Menu
Retour à la cohorte
Enregistrement W4393323026 · doi:10.1051/e3sconf/202450701040

Advancing Aluminum-Based Composite Manufacturing: Leveraging WC Reinforcement through Stir Casting Technique

2024· article· en· W4393323026 sur OpenAlexaff
Ahmed Salam Abood, Muthuswamy Jayanthi, M. V. L. R. Anjaneyulu, H Pal Thethi, Shivani Singh, Neeraj Chahuan

Notice bibliographique

RevueE3S Web of Conferences · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueAluminum Alloys Composites Properties
Établissements canadiensHorizon College and Seminary
Organismes subventionnairesnon disponible
Mots-clésComposite numberAluminiumReinforcementMaterials scienceCastingMetallurgyManufacturing engineeringComposite materialComputer scienceEngineering

Résumé

récupéré en direct d'OpenAlex

This study explores the advancement of aluminum-based composite manufacturing by leveraging tungsten carbide (WC) reinforcement through the stir casting technique. Aluminum alloy served as the matrix material, enriched with ceramic reinforcement particles. The alloy underwent complete melting in a muffle furnace, maintaining a temperature of about 700°C. Ceramic particles were methodically introduced into the molten alloy, ensuring homogeneous dispersion through continuous stirring at 400 rpm for 10 minutes. The resulting composite exhibited a uniform distribution of WC particles, seamlessly integrated throughout the alloy matrix. Remarkably, the addition of 7% WC reinforcement led to substantial enhancements in mechanical properties: a 22.67% improvement in tensile strength, a remarkable 37.9% increase in hardness, a notable 25.80% enhancement in fatigue strength, and a significant 27.67% improvement in wear resistance. These findings underscore the efficacy of the stir casting technique in optimizing the properties of aluminum-based composites, offering promising avenues for the development of high-performance materials for diverse engineering 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)0,000
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,440
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
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 Opus0,020
Tête enseignante GPT0,238
Écart entre enseignants0,218 · 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'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

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueE3S Web of ConferencesMême sujetAluminum Alloys Composites PropertiesTravaux en français237 207