Manufacturing optimization of laminated tooling with conformal cooling channels
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose This paper proposes sheet thickness determination in manufacturing of laminated dies as an optimization problem. The aim of this optimization procedure is finding the best set of thicknesses which minimizes the volume deviation between actual computer‐aided design (CAD) model and assembled slices. Design/methodology/approach This works uses a modified version of genetic algorithms for the optimization purpose. Each set of thicknesses that can cover the whole CAD model surface is considered as a chromosome. Genetic operators such as crossover and mutation have to be modified to be used in this application. Findings A new method for finding the total volume deviation between assembled slices and the actual CAD model was developed in this research. On the other hand, the results show how the program can automate the slice plane locations search process. Research limitations/implications Premature convergence does not allow the algorithm to search the entire solution space before getting trapped in a local optimum. Even the mutation operator cannot postpone this untimely convergence. Practical implications The proposed method is a good substitute for the manual methods that are currently used in industry. These experience‐based methods are mostly based on the decision made by a well‐trained technician on picking up the thicknesses for a specific CAD model. Originality/value This is the first attempt at optimizing the slicing method in laminated tooling. Other methods are mostly based on rapid prototyping (RP) and they are not applicable in the laminated tooling process since, despite RP, here not all optimization outputs can be used in practical procedure.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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