MétaCan
Menu
Retour à la cohorte
Enregistrement W4408627888 · doi:10.21608/ejchem.2025.354763.11199

Effect of Recycled Tungsten Carbide on the Mechanical, Physical, and Tribological Performance of Copper-Based Composites

2025· article· en· W4408627888 sur OpenAlexaff
Ahmed O. Abdel-Mawla, Omayma El kady, Samy Zein El-Abden, G. Abouelmagd

Notice bibliographique

RevueEgyptian Journal of Chemistry · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueAluminum Alloys Composites Properties
Établissements canadiensCanadian MPS Society for Mucopolysaccharide and Related Diseases
Organismes subventionnairesnon disponible
Mots-clésTungsten carbideMaterials scienceTribologyCopperComposite materialTungstenCarbideComposite numberMetallurgy

Résumé

récupéré en direct d'OpenAlex

This study comprehensively explores the effect of reinforcing a copper matrix with recycled tungsten carbide (RWC) powder to enhance its mechanical and tribological properties. The copper matrix was initially fortified with fixed proportions of 8 wt.% high-carbon ferrochromium (HC-FeCr), 20 wt. % iron (Fe), 10 wt.% graphite (C), and 2 wt.% molybdenum disulfides (MoS2) via high-energy mechanical milling. Recycled tungsten carbide (RWC) powder in varying concentrations (1-5 wt.%) was subsequently blended with the matrix for 6 hours at 200 rpm. Graphite, MoS2, and RWC surface modification was achieved through nano-copper coating via electroless chemical deposition. The composite powders were consolidated using a hot-press technique at 1010°C under 15 MPa for 15 minutes. The study's comprehensive characterization included density, XRD, SEM analysis, hardness, wear, friction coefficient assessments, and electrical and thermal conductivity measurements. The results revealed a 25% increase in hardness and a 12% reduction in wear rate with the addition of WC, alongside a gradual decline in the friction coefficient. However, the electrical and thermal conductivities diminished as RWC content increased. The Abbott-firestone curves show enhancement in the exploitation zone from (88 – 96%) at load 0.4 MPa and from (84-93%) at load 0.7 MPa.

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 enseignants0,018
Score d'incertitude au seuil0,383

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 Opus0,005
Tête enseignante GPT0,206
Écart entre enseignants0,201 · 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

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEgyptian Journal of ChemistryMême sujetAluminum Alloys Composites PropertiesTravaux en français237 207