MétaCan
Menu
Retour à la cohorte
Enregistrement W4409498901 · doi:10.5006/c2025-00024

A Comparison of Thermally Sprayed Aluminum (TSA) Degradation Behavior under Immersion and CUI Simulation Conditions

2025· article· en· W4409498901 sur OpenAlexaff
Ahmad Raza Khan Rana, Shahzad Karim, Immad Rohela, Graham Brigham

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMaterials Science
ThématiqueHigh-Velocity Impact and Material Behavior
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésImmersion (mathematics)Degradation (telecommunications)AluminiumMaterials scienceComposite materialComputer scienceTelecommunications

Résumé

récupéré en direct d'OpenAlex

Abstract Thermally Sprayed Aluminum (TSA) is used as a protective coating to protect against internal and external corrosion in different industrial applications. There has been not much work to understand the tribological and corrosion behavior of TSA from corrosion under insulation (CUI) at elevated temperatures. Most of the reported studies on TSA have either been focused either on immersion tests or ambient temperature CUI tests. This research work unveils comparative behavior of TSA at elevated temperatures when tested in CUI simulation cell (per ASTM G189-07) versus that in the immersion condition in an autoclave environment using thermal insulation's leachate extract. The corrosion tests were conducted using isothermal wet (IW) and cyclic wet (CW) conditions per ASTM G189-07 deploying linear polarization resistance (LPR) scanning, followed by detailed microstructural characterizations using confocal laser microscopy, surface topography, scanning electron microscopy (SEM), and energy dispersive spectroscopy (EDS). TSA coating subjected to CUI environment manifested significant wear from the flashing moisture and active substrate corrosion unlike immersion conditions where there was merely dissolution of iron particles embedded in the TSA matrix.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,166
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)0,0010,000

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 Opus0,043
Tête enseignante GPT0,378
Écart entre enseignants0,335 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHigh-Velocity Impact and Material BehaviorTravaux en français237 207