MétaCan
Menu
Retour à la cohorte
Enregistrement W4404924156 · doi:10.37934/aram.128.1.152161

A Case Study on Ionic Compounds on the Aluminium 6061 Surface during Etching and Passivating Processes

2024· article· en· W4404924156 sur OpenAlexaff
Muhammad Nasiruddin Zulkurnain, Shahrul Azmir Osman, Ali Ourdjini, Saliza Azlina Osman

Notice bibliographique

RevueJournal of Advanced Research in Applied Mechanics · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueAluminum Alloy Microstructure Properties
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesUniversiti Tun Hussein Onn Malaysia
Mots-clésAluminiumIonic bondingEtching (microfabrication)PassivationMaterials scienceChemical engineeringMetallurgyChemistryNanotechnologyIonLayer (electronics)EngineeringOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The surface treatment process for aluminium is extensive, encompassing many methods and techniques. This study utilises chemical etching and passivation chemicals as surface treatment processes for chemical cleaning. The corrosion-controlled procedure involves the application of a powerful etchant solution to eliminate undesirable layers of material. Additionally, passivation chemicals are utilised as coatings to enhance the corrosion resistance of aluminium surfaces. Following the chemical cleaning process, ion chromatography testing was conducted to verify the ionic compounds on the surface of the aluminium metal subsequent to its reaction with etching and passivation chemicals. Different approaches were employed to address the ionic compound deposition problem on the surface of aluminium 6061 metal. Results revealed that replacing existing chemicals with new ones is the best solution to reduce the reading below the specified limit. However, one economically viable alternative for the chemical cleaning process is implementing an aeration process during rinsing, which offers greater economic efficiency compared to the substitution of chemicals entirely. Besides that, chemical cleaning via aeration procedure can mitigate the accumulation of ionic compounds on the material's surface.

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)0,002
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 enseignants0,216
Score d'incertitude au seuil0,896

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
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 Opus0,052
Tête enseignante GPT0,319
Écart entre enseignants0,268 · 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Advanced Research in Applied MechanicsMême sujetAluminum Alloy Microstructure PropertiesTravaux en français237 207