MétaCan
Menu
Retour à la cohorte
Enregistrement W587635663 · doi:10.1520/stp14475s

Cold Starting and Pumpability Studies in Modern Engines — Results from the ASTM D02.07C Low Temperature Engine Performance Task Force Activities: Test Oil Selection and Rheological Analysis

2000· book-chapter· en· W587635663 sur OpenAlexaff
FW Girshick, EF De Paz, CJ May, KO Henderson, RB Rhodes, Spyros I. Tseregounis, LH Ying

Notice bibliographique

Revuenon disponible
Typebook-chapter
Langueen
DomaineEngineering
ThématiqueHydraulic and Pneumatic Systems
Établissements canadiensImperial Oil (Canada)
Organismes subventionnairesnon disponible
Mots-clésSelection (genetic algorithm)RheologyTest (biology)Task (project management)Computer scienceEnvironmental scienceEngineeringMaterials scienceArtificial intelligenceComposite materialBiologyBotanySystems engineering

Résumé

récupéré en direct d'OpenAlex

Two series of test oils were obtained for the Low Temperature Engine Performance (LTEP) task force activities: (a) SAE 0W-30, 5W-30, 10W-30, 15W-40, 20W-50 and 25W-30 grades were fully on-specification commercial oils (LTEP 1–7), used in cold starting and Phase I pumpability studies, (b) experimental test oils for Phase II pumpability work (LTEP 20 series) either did not meet the then-current SAE J300 pumping viscosity (TP-1 MRV) limits, or showed significant D5133 gelation index values, and included nominal SAE 5W-30, 10W-30 and 15W-40 grades. LTEP participating labs provided rheological data on the oils including measurements by D 445, D 3829, D 4684, D 5133, and D 5293. Multi-temperature MRV and CCS measurements allowed correlation to the exact engine test temperatures by fitting viscosity and yield stress data to equations. The functional form of the equations is presented and explained, and the fitted coefficients are tabulated. Gelation index and gelation index temperature values, were simply averaged for each oil. For the D 3829 and D 4684 methods that measure yield stress in addition to viscosity, an adjustment was made to the measured viscosity before fitting, to allow for yield stress effects.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,112
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)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,014
Tête enseignante GPT0,209
Écart entre enseignants0,195 · 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'étudeSimulation ou modélisation
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
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHydraulic and Pneumatic SystemsTravaux en français237 207