MétaCan
Menu
Retour à la cohorte
Enregistrement W4412426637 · doi:10.1016/j.matdes.2025.114373

Investigation of the high thermal ageing resistance of the 2219 aluminium alloy

2025· article· en· W4412426637 sur OpenAlexaff
Tess E. Perrin, Arthur Després, Pierre Heugue, A. Deschamps, Frédéric De Geuser

Notice bibliographique

RevueMaterials & Design · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueAluminum Alloy Microstructure Properties
Établissements canadiensSafran Electronics (Canada)
Organismes subventionnairesDirection générale de l'aviation civileMinistère de l'Économie, des Finances et de l'IndustrieAgence Nationale de la Recherche
Mots-clésMaterials scienceAluminiumMetallurgyAlloyAgeingAluminium alloy5005 aluminium alloyThermal6111 aluminium alloy

Résumé

récupéré en direct d'OpenAlex

The 2219 aluminium alloy is widely used in high-temperature applications, particularly in aerospace. Thermal ageing during duty can lead to the coarsening of θ’ hardening precipitates, which are responsible for the mechanical properties of the alloy. In this study, temperature gradient heat treatments were employed to evaluate its resistance to thermal ageing over a continuous temperature range of 165 °C to 245 °C for up to 10,000 h. Despite its composition being primarily that of an Al-Cu binary alloy, hardness mappings revealed a limited decrease in mechanical properties. Microstructural characterisation using high-throughput scattering techniques (SAXS & WAXS) showed that this stability is due to a remarkable resistance of the θ’ precipitates to coarsening and limited θ’ to θ transformation, as validated by a precipitate hardening model. This stability suggests that minor alloying elements play a crucial role in thermal resistance. Atom probe tomography (APT) analyses showed that this stability may arise from mechanisms similar to those observed in recently developed ACMZ alloys, as Mn segregations were observed at the interfaces of the θ’ precipitates. However, unlike ACMZ alloys, at 300 °C, the stabilising mechanism is insufficient to preserve mechanical properties, suggesting a strong sensitivity of these mechanisms to compositional variations.

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 enseignants0,026
Score d'incertitude au seuil0,319

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 GPT0,178
Écart entre enseignants0,167 · 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

Citations7
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMaterials & DesignMême sujetAluminum Alloy Microstructure PropertiesTravaux en français237 207