MétaCan
Menu
Retour à la cohorte
Enregistrement W624952588

Wheel RCF issues in coal operations in Australia and the USA

2014· article· en· W624952588 sur OpenAlexaboutno aff
Scott Simson

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueRailway Engineering and Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTreadDisc brakeBrakeSlip (aerodynamics)Groove (engineering)TribologyEngineeringAutomotive engineeringForensic engineeringMechanical engineeringMaterials scienceComposite material
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Bradken has been asked by its clients to investigate wheel RCF (Rolling Contact Fatigue) occurring in standard gauge coal rollingstock. In particular high impact wheel occurrence from rail squat like surface initiated sub surface RCF. In the USA similar RCF issues have been under investigation by the AAR with a considerable amount of publications in the last five years. In the USA wheel RCF issues has been linked to sharper curvatures and profile mismatch. The USA study has drawn a link to asymmetric wheel wear with worn rail profiles exhibiting the shapes of the asymmetric worn wheels. These worn rails then exhibit deteriorating contact stresses with most wheels increasing the likelihood of rolling contact fatigue. Canadian experience associates wheel RCF shelling with the occurrence of metal pickup in tread braking. Bradken and other parties have investigated RCF occurrences and the wheel steel manufacture in Australian coal operations. The higher material hardness has appeared to increase wheel RCF occurrence over wear. Brake shoe metal pickup and slip damage appear closely associated with RCF occurrences. The uni-directional Australian operations develop distinct worn wheel profiles. Worn Profiles include asymmetry and a groove beyond the normal running surface. The wheel profile maintenance in Australia has not been subject to optimisation and is far removed from the international best heavy haul practice.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,498

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 Opus0,010
Tête enseignante GPT0,235
Écart entre enseignants0,225 · 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'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
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetRailway Engineering and DynamicsTravaux en français237 207