MétaCan
Menu
Retour à la cohorte
Enregistrement W1972890991 · doi:10.4028/www.scientific.net/amm.704.27

Study of the Milling Process for Thin Components Using a Flexible Setup Configuration

2014· article· en· W1972890991 sur OpenAlexaff
Sy Quy Nguyen, Jean François Chatelain

Notice bibliographique

RevueApplied Mechanics and Materials · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueManufacturing Process and Optimization
Établissements canadiensUniversité du Québec
Organismes subventionnairesnon disponible
Mots-clésMachiningAerospaceFlexibility (engineering)Mechanical engineeringDisplacement (psychology)StiffnessProcess (computing)DynamometerEngineeringMachine toolEngineering drawingStructural engineeringComputer scienceAerospace engineering

Résumé

récupéré en direct d'OpenAlex

In the aerospace industry, numerous large parts with complex curvatures and several thin wall/web pockets are required to ensure stiffness and low weight for aircraft structures. Costly processes and dedicated setups are usually required to machine such thin plate components. Therefore, investigating new machining methods involving flexible setups for such parts is an interesting avenue for cost savings, but a big challenge as well, due to a lack of support and part flexibility. In fact, a flexible setup is a tooling system with several adjustable positioning supports, which can easily adapt to different workpiece geometries. In this paper, an experimental investigation of the machining of pockets for thin components using flexible setup is presented. A design of experiments is proposed to verify the ability of pocket machining for thin plates of aluminum 2024-T3 in terms of quality. During the machining tests, the cutting forces were measured using a Kistler dynamometer table, while the displacement of the plates, for the flexible setup configuration, was measured using a Keyence displacement sensor. The force and displacement signals were analyzed and a fine correlation proposed between them and the resulting quality of the part, expressed in terms of profile and size errors.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,280
Score d'incertitude au seuil0,241

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 Opus0,029
Tête enseignante GPT0,242
Écart entre enseignants0,213 · 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'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

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied Mechanics and MaterialsMême sujetManufacturing Process and OptimizationTravaux en français237 207