MétaCan
Menu
Retour à la cohorte
Enregistrement W2021283004 · doi:10.1115/1.2122987

Wear of Electroplated CBN Grinding Wheels

2005· article· en· W2021283004 sur OpenAlexaff
Z. Shi, S. Malkin

Notice bibliographique

RevueJournal of Manufacturing Science and Engineering · 2005
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced machining processes and optimization
Établissements canadiensNational Research Council Canada
Organismes subventionnairesFord Motor CompanyNational Science Foundation
Mots-clésMaterials scienceAbrasiveGrindingGrain sizeMetallurgyElectroplatingComposite materialBoron nitrideSurface roughnessGrinding wheelSurface finishLayer (electronics)

Résumé

récupéré en direct d'OpenAlex

An investigation is reported on the wear of single-layer electroplated cubic boron nitride (CBN) grinding wheels and how the wear process affects the wheel topography and grinding behavior. Internal cylindrical and straight surface grinding experiments were conducted over a wide range of conditions on hardened bearing steel with wheels containing different abrasive grain sizes. The radial wheel wear was characterized in each case by an initial transient at a progressively decreasing rate to a steady-state wear regime at a nearly constant rate until the end of the wheel life. Wheel wear during the initial transient was found to be mainly due to pullout of the most protruding weakly held grains, and the radial wheel wear in the steady-state regime was dominated by grain fracture. The wear rate in the steady-state regime for various grinding conditions and grain sizes was found to be directly related to the undeformed chip thickness. Dulling of the grain tips by attrition and fragmentation caused an increase in the grinding power. Wheel wear was accompanied by a progressive increase in the active grain density and a corresponding decrease in surface roughness. The surface roughness was found to depend mainly on the active grain density and is insensitive to the operating parameters.

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 enseignants0,004
Score d'incertitude au seuil0,007

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
Bibliométrie0,0000,000
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)0,0010,000

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 Opus0,004
Tête enseignante GPT0,194
Écart entre enseignants0,191 · 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

Citations132
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Manufacturing Science and EngineeringMême sujetAdvanced machining processes and optimizationTravaux en français237 207