MétaCan
Menu
Retour à la cohorte
Enregistrement W4403633245 · doi:10.1016/j.coldregions.2024.104351

New insights into icephobic material assessment: Introducing the human motion–inspired automated apparatus (HMA)

2024· article· en· W4403633245 sur OpenAlexafffund
Jean-Denis Brassard, Sarah Sobhani, Maria-Lucia Loaiza Osorio, Gelareh Momen

Notice bibliographique

RevueCold Regions Science and Technology · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueIcing and De-icing Technologies
Établissements canadiensUniversité du Québec à Chicoutimi
Organismes subventionnairesMitacsDefence Research and Development Canada
Mots-clésMotion (physics)Materials scienceComputer scienceMechanical engineeringForensic engineeringEngineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The impact of winter on exposed structures and transportation poses significant dangers and costs to various industries, particularly the transportation sector. Icephobic surfaces are currently being developed to reduce winter-related impacts. Creating such surfaces requires considering various factors, including reducing and preventing ice accumulation, significantly decreasing ice adhesion, and/or delaying water solidification. Although established methods such as centrifugal force and push-off tests exist for measuring ice adhesion, the results may not always correlate or offer the needed information for specific applications. To better assess icephobic properties, we have developed a novel device called the human motion–inspired automated apparatus (HMA) that mimics manual de-icing performed by humans in a scraping mode. The primary objective of the HMA is to emulate human removal of ice-covered surfaces, providing a more realistic evaluation of icephobic properties according to the ease of ice removal. This apparatus aims to revolutionize icephobic material assessment by offering improved accuracy, repeatability, and versatility in testing. We developed a unique procedure using low icing conditions, which are challenging to evaluate using conventional methods, and assessed four surfaces: aluminum as a reference, an epoxy-based hydrophilic coating, a hydrophobic silicone elastomer coating, and a hydrophobic epoxy–silicone coating. Our HMA characterizes surfaces according to several crucial parameters, including the normal force required to initiate ice scraping removal, the maximum force achieved, the angle of attack, and the equivalent force, all consistent with validation tests conducted by humans. Among the evaluated surfaces, the silicone coating required the lowest normal force, and the epoxy–silicone coating had the lowest maximum and equivalent forces. Our HMA results align well with validation tests conducted by humans. The HMA enables evaluating various critical icing conditions and promises a broad range of applications in research and development. • Introduction of a novel Human Motion-Inspired Automated Apparatus (HMA) to assess icephobic properties. • HMA mimics real-world human scraping actions to provide accurate and repeatable measurements. • HMA testing shows silicone and epoxy–silicone surfaces require significantly less force for de-icing compared to aluminum. • The study demonstrates improved methodologies for evaluating icephobic coatings under realistic icing conditions.

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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,327
Score d'incertitude au seuil0,582

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,010
Tête enseignante GPT0,257
Écart entre enseignants0,247 · 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

Citations1
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCold Regions Science and TechnologyMême sujetIcing and De-icing TechnologiesTravaux en français237 207