MétaCan
Menu
Retour à la cohorte
Enregistrement W2071316369 · doi:10.5963/amsa0301003

Experimental Investigation on the Effect of Pre-holes on Drilling Process Performance of Aluminum Alloys: Forces, Surface Finish and Dust Emission

2014· article· en· W2071316369 sur OpenAlexaff
Jules Kouam, Abdelhakim Djebara, Victor Songméné

Notice bibliographique

RevueAdvances in Materials Science and Applications · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced machining processes and optimization
Établissements canadiensInstitut de recherche Robert-Sauvé en santé et en sécurité du travailÉcole de Technologie Supérieure
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceAluminiumDrillingMetallurgyProcess (computing)Surface roughnessSurface (topology)Surface finishComposite materialComputer scienceGeometry

Résumé

récupéré en direct d'OpenAlex

In most drilling applications, pre-holes are often performed prior to the final hole drilling in order to obtain holes with good quality (dimensional accuracy, surface finish, and reduced burr). While this operation can improve the process stability, it might however also have an impact on process performance indicators such as dust emission, energy required for the drilling process, cycle time and chip breakability. This work investigates the effects of pre-holes on cutting forces, chip formation, surface finish and dust emission. Aluminum alloys (6061-T6 and 7075-T6) were drilled at different cutting speeds using uncoated HSS drills and the thrust forces, dust emissions and surface finish were analysed. It was found that drilling with pre-holes reduced the cutting forces, improved hole surface finish and chip breakability, and increased the total amount of metallic particle emission.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,429
Score d'incertitude au seuil0,230

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0000,000

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 Opus0,006
Tête enseignante GPT0,256
Écart entre enseignants0,249 · 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 tête enseignante, 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

Citations3
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in Materials Science and ApplicationsMême sujetAdvanced machining processes and optimizationTravaux en français237 207