Procédé SEED et moulage sous pression de pièces d’aluminium : Description du procédé et transfert de chaleur
Bibliographic record
Abstract
Depuis le début 2003, le CRDA (Centre de recherche et développement Arvida) de la compagnie Alcan Inc. et le CTA (Centre des technologies de l'aluminium) du CNRC mènent un effort concerté pour développer une version industrielle de la technologie SEED pour la fabrication de pâte d'aluminium semi-solide dédiée au moulage de pièces de haute performance, principalement pour l'industrie de l'automobile. Cette technologie brevetée parAlcan Inc. est un nouveau procédé simple et réduisant les coûts de préparation du matériau d'alimentation des procédés de formage. Le procédé implique deux étapes principales : l'extraction rapide d'une quantité contrôlée de chaleur de la charge de métal liquide afin de générer un mélange liquide/solide et le drainage de l'excès du liquide laissant derrière une masse compacte, se supportant elle-même et pouvant alors être manipulée et formée sous pression. Le procédé peut être utilisé avec une gamme étendue d'alliages d'aluminium et peut facilement être adapté pour produire différents poids de lopin pour le moulage. Le transfert de chaleur joue un rôle prédominant aussi bien lors de la fabrication de la pâte semi-solide que lors de la production des pièces et son analyse est présentée pour ces deux aspects.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".