Three-Dimensional Numerical Simulation of Segregation in Powder Injection Molding
Notice bibliographique
Résumé
Abstract The ability to predict segregation of the solid phase in processes such as powder injection molding and injection molding of semi-solid materials is of special interest since such phenomenon affects the final properties and characteristics of the molded parts. In powder injection molding, for example, defects appear very often in the debinding and sintering stages but are caused by filling problems and determined by a non-uniform distribution of the solid particles within the molded part. In this paper we propose a 3D numerical solution algorithm for the simulation of particle migration in dense suspensions. The particle migration is modeled using the diffusion flux model and integrated into the NRC's 3D injection molding software. The solution algorithm is validated by solving flow problems for which experimental and numerical data are available: circular Couette flow, piston driven flow and sudden contraction-expansion flow. Since it is observed that the piston movement in the sleeve can induce particle migration even before the material enters the cavity, an ALE (Arbitrary Lagrangian-Eulerian) formulation is also developed to include the piston movement in molding simulations. The ALE formulation is first compared with an Eulerian solution for the case of the piston driven flow problem. Then, the approach is applied to injection molding problems and the segregation inside the molded parts is studied.
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 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 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».