Reliability Improvement of Lithium Cells Using Laser Welding Process with Design of Experiments
Notice bibliographique
Résumé
Manufacturing operations introduce unreliability into hardware that is not ordinarily accounted for by reliability design engineering efforts. Inspections and test procedures normally interwoven into fabrication processes are imperfect, and allow defects to escape which later result in field failures. Therefore, if the reliability that is designed and developed into an equipment/system is to be achieved, efforts must be applied during production to insure that reliability is built into the hardware. There are various ways to improve the reliability of a product. These include: Simplification Stress reduction/strength enhancement Design Improvement Using higher quality components Environmental Stress Screening before shipment Process Improvements, etc. This paper concentrates on ‘Manufacturing Process Improvement’ effort through the use of design of experiments, (DOE). Hence, improved levels of reliability can be achieved. Most applications optimize the mean value of a response variable. Parameter design experiments are aimed at reducing variability caused by manufacturing variations. In industrial processes, controlling variability is usually much harder than controlling the mean value. And variability is often a root cause of manufacturing problems. Optimizing the process of welding the lithium cells hermetically, by laser, have been focused in this work. Cell cans were approximately 1.5 inch diameter, nickel-plated, cold rolled steel with the top welded on around a 0.040 inch lip. The important characteristic measured in this work is weld penetration depth. The key steps in this project are: 1 Identify important process parameters / factors, (controllable and un-controllable / noise), and their potential working levels that can be manipulated. 2 Design and perform ‘Fractional Factorial Experiments’ on the process. 3 Analyze the resulting data to determine the optimum operating levels of the factors such that the product's functional characteristic is optimized and has minimal sensitivity to noise.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».