MétaCan
Menu
Retour à la cohorte
Enregistrement W4393323103 · doi:10.1051/e3sconf/202450701034

Aluminum-Alumina Composite Manufacturing: Unlocking Potential with Friction Stir Processing

2024· article· en· W4393323103 sur OpenAlexaff
Q. Mohammad, Gopal Kaliyaperumal, E Poornima, Navdeep Singh, Vandana Arora Sethi, Vandna Kumari

Notice bibliographique

RevueE3S Web of Conferences · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueAluminum Alloys Composites Properties
Établissements canadiensHorizon College and Seminary
Organismes subventionnairesnon disponible
Mots-clésFriction stir processingComposite numberAluminiumMaterials scienceManufacturing engineeringComposite materialProcess engineeringMechanical engineeringMetallurgyEngineering

Résumé

récupéré en direct d'OpenAlex

This study investigates the manufacturing of Aluminum-Alumina composites through Friction Stir Processing (FSP) and explores the resultant enhancements in mechanical properties. A key focus lies on achieving a uniform distribution of Al2O3 particles within the composite matrix, crucial for optimizing material performance. These dispersed particles act as effective strengthening agents, impeding dislocation movement and grain boundary migration, consequently improving mechanical attributes such as hardness, strength, and wear resistance. Experimental findings underscore the efficacy of FSP in enhancing various mechanical properties of the composite. Notably, significant improvements were observed, including a 23.56% increase in tensile strength, a 37.9% enhancement in hardness, a 25.5% improvement in fatigue strength, and a notable 30.12% increase in wear resistance. These results underscore the potential of Aluminum-Alumina composites manufactured via FSP to unlock new opportunities for high-performance materials in industries requiring superior mechanical properties and wear resistance, such as aerospace, automotive, and manufacturing sectors.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,347
Score d'incertitude au seuil0,900

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 Opus0,011
Tête enseignante GPT0,206
Écart entre enseignants0,194 · 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

Citations5
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

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