Study of the existing relationship in the curve of universal fatigue and instrumented indentation for metallic materials.
Bibliographic record
Abstract
En este estudio se compara la curva de fatiga en zona de ciclos bajos construida por un método convencional y se halla una relación con la prueba de carga y descarga en indentación instrumentada para un acero SAE 1045 y aluminio 6063. Para ello se realizan ensayos de tensión-compresión en la máquina universal MTS Bionix® aplicando la norma ASTM E606 con una deformación fija para cada ensayo, se utilizan probetas cilíndricas elaboradas bajo la norma ASTM E8. Los ensayos de indentación instrumentada se efectúan teniendo como guía la norma ASTM-E384-17 en la máquina de Indentación Bruker UMT Tribolab, las probetas tienen las mismas características de las usadas en el ensayo de fatiga plástica y montadas en un polímero. Los datos obtenidos por parte del ensayo de tensión-compresión son representados en la curva S-Nf y la de carga versus la deformación conocida como histéresis, del ensayo de indentación instrumentada se obtiene la curva carga versus deformación, con la cual es posible por medio de relaciones conocidas calcular algunas propiedades mecánicas. A partir de estos resultados se comparan las curvas carga versus deformación de ambos y se halla una constante de corrección de la energía absorbida cuando se deforma el material, con esto se encuentra una equivalencia de las deformaciones y ya que la deformación está relacionada con la carga y el número de ciclos se obtiene una curva carga vs número de ciclos para el método de indentación. Por último, se comparan las gráficas de fatiga, para el aluminio se tuvo un comportamiento bastante similar y para el acero la curva resulto un poco más alejada, pero con una forma igual, esto puede deberse a que este se encontró en una zona de mayores ciclos donde hay mayor dispersión de puntos.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
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 teacher head, 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".