MétaCan
Menu
Retour à la cohorte
Enregistrement W2074363025 · doi:10.5539/mas.v9n4p151

Application of Additive Technologies in the Production of Aircraft Engine Parts

2015· article· en· W2074363025 sur OpenAlexvenueno aff
A. V. Agapovichev, Andrei V. Balaykin, В. Г. Смелов, Andrey V. Agapovichev

Notice bibliographique

RevueModern Applied Science · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing and 3D Printing Technologies
Établissements canadiensnon disponible
Organismes subventionnairesMinistry of Education and Science of the Russian Federation
Mots-clésInvestment castingFoundryCastingProcess engineeringManufacturing engineeringRapid prototyping3D printingMolding (decorative)Production (economics)MoldCeramicComputer scienceMaterials scienceMechanical engineeringEngineeringMetallurgyComposite material

Résumé

récupéré en direct d'OpenAlex

The use of rapid prototyping technologies provides a unique opportunity of cost-effective methods of investment casting to create new industrial products, of particular importance is the cost and speed of production. Development and research of rapid prototyping technologies have allowed a new level of optimization and introduction of new technologies into various industries. The essence of investment casting is that to get the castings use a single, accurate non-split, ceramic shell molds, which are produced on single models using liquid molding compounds. Before pouring the melt, a model shape is destroyed by melting, burning, dissolving, or evaporation. To remove residues of the model and hardening, mold is heated to high temperatures. Calcination form before its filling virtually eliminates gas formation and improves occupancy melt. At the stage of pilot production, which is characterized by frequent changes in design, the problem of the rapid production of cast components becomes crucial. This is mainly due to the complexity of manufacturing foundry equipment. The aim of this work is to identify opportunities and evaluate accuracy of the casting size during investment casting using rapid prototyping technology. The work was conducted with the use of cross-cutting design in CAM / CAD / CAE systems. The work has been verified according to the adequacy of the virtual simulation of the casting formation process in the casting simulation ProCAST, in comparison with those obtained castings. The study showed that the use of rapid prototyping technologies with investment casting can significantly reduce the time for making castings, reduce production costs and improve the accuracy of the casting size.

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)0,001
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: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
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 Opus0,018
Tête enseignante GPT0,226
Écart entre enseignants0,208 · 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

Citations18
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueModern Applied ScienceMême sujetAdditive Manufacturing and 3D Printing TechnologiesTravaux en français237 207