MétaCan
Menu
Retour à la cohorte
Enregistrement W2070295675 · doi:10.4028/www.scientific.net/kem.344.629

Single Point Incremental Forming Limits Using a Boxbehnken Design of Experiment

2007· article· en· W2070295675 sur OpenAlexafffund
M. Ham, J. Jeswiet

Notice bibliographique

RevueKey engineering materials · 2007
Typearticle
Langueen
DomaineEngineering
ThématiqueMetal Forming Simulation Techniques
Établissements canadiensQueen's University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésBox–Behnken designIncremental sheet formingDesign of experimentsResponse surface methodologySingle pointMaterials sciencePoint (geometry)Engineering drawingSheet metalMechanical engineeringStructural engineeringComputer scienceMathematicsEngineeringComposite materialSimulationStatisticsGeometryComputer simulation

Résumé

récupéré en direct d'OpenAlex

Single Point Incremental Forming (SPIF) is a new method of forming sheet metal for which not all forming limits and forming parameters are yet completely understood. In this paper, a Box-Behnken design of experiment (DOE) is used to execute an experimental study used to determine the forming limits in Single Point Incremental Forming (SPIF). The Box-Behnken allows for good accuracy in defining a surface response for a relatively low number of experimental runs – hence its usefulness in experimental work. The Box-Behnken used in this paper solved five factors at three levels in forty six runs. The five factors analyzed are based on the most critical factors effecting SPIF; they are material type, material thickness, formed shape, tool size and incremental step size (depth of each step in form). The data resulting from the Box-Behnken progressed into graphical response surfaces; the response surfaces allow designers to determine what factors they need to select in order to successfully form a part using SPIF.

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)0,009
score de la tête « metaresearch » (Gemma)0,010
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,046

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,010
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,039
Tête enseignante GPT0,259
Écart entre enseignants0,220 · 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

Citations20
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueKey engineering materialsMême sujetMetal Forming Simulation TechniquesTravaux en français237 207