MétaCan
Menu
Retour à la cohorte
Enregistrement W7132537811

Simulation and validation of 3D compression resin transfer moulding

2022· article· en· W7132537811 sur OpenAlexfundvenueno aff
S. Sarojini Narayana, L. Barcenas, L. Khoun, P. Hubert

Notice bibliographique

RevueNPARC · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueEpoxy Resin Curing Processes
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésThermosetting polymerTransfer moldingProcess (computing)Work (physics)CompactionComposite numberCompression (physics)Flow (mathematics)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In recent years, resin manufacturers have been formulating thermoset resins with a decrease in cure time. This has helped to shorten the process cycle times and paved the way for the use of cost-effective compression resin transfer moulding (CRTM) process to produce high performance composite parts. However, highly reactive resins pose a major challenge in producing high quality parts. Currently, many researchers have been working on the process simulation of CRTM process. However, there is still a large gap to be addressed in terms of coupling between heat transfer, cure kinetics, resin flow and compaction (thermal-chemical-mechanical) during the CRTM process especially for 3D structures. The main objective of this work is to perform thermal-chemical-mechanical coupled CRTM simulation for a flat 3D part. The work involved development of resin and fibre material models. The material models developed were implemented to perform the simulations. These simulations were validated using interrupted resin flow CRTM experiments.

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 enseignants0,171
Score d'incertitude au seuil0,215

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 Opus0,024
Tête enseignante GPT0,262
Écart entre enseignants0,238 · 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

Citations0
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNPARCMême sujetEpoxy Resin Curing ProcessesTravaux en français237 207