MétaCan
Menu
Retour à la cohorte
Enregistrement W1969409212 · doi:10.1177/0954405414548464

Surface roughness and energy consumption analysis of conventional and peck drilling approaches

2014· article· en· W1969409212 sur OpenAlexaff
Salman Pervaiz, Ibrahim Deiab

Notice bibliographique

RevueProceedings of the Institution of Mechanical Engineers Part B Journal of Engineering Manufacture · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Machining and Optimization Techniques
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésPeck (Imperial)DrillingSurface roughnessSurface finishEnergy consumptionEngineeringMechanical engineeringEngineering drawingMaterials scienceComposite materialMathematicsGeometry

Résumé

récupéré en direct d'OpenAlex

Drilling operations are one of the most commonly used operations in the automotive and aerospace sectors. The aim of this article is to compare peck drilling as an alternate approach to the conventional drilling and reaming operations; in terms of energy consumption and machined surface roughness to facilitate the selection of the optimum finishing processes with respect to machined surface quality and energy consumption. The experiments were performed under dry conditions on an Al-6061 using a high-speed steel reamer and drills of 12 mm diameter. The results revealed that peck drilling refined the surface finish of previously drilled steps in most of the cases. The outcome of the energy consumption analysis was used to evaluate the amount of CO 2 emissions. The study suggested that surface roughness refinement in peck drilling was better than conventional drilling but was not as efficient as the reaming process. Peck drilling generated surfaces with a roughness value between those of drilling and reaming operations. Less tool wear was observed under peck drilling process when compared with conventional drilling. The investigation also revealed that CO 2 emissions produced under peck drilling approach were slightly higher than for combined drilling and reaming approach.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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)0,0010,000

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 Opus0,013
Tête enseignante GPT0,202
Écart entre enseignants0,189 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations16
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Institution of Mechanical Engineers Part B Journal of Engineering ManufactureMême sujetAdvanced Machining and Optimization TechniquesTravaux en français237 207