An investigation of the effect of work piece reinforcing percentage on the machinability of Al-SiC metal matrix composites
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This paper presents the study of the tool wear mechanism in machining the metal matrix composites (MMC) and its dependence on the percentage of reinforcing with MMC. Aluminum alloy (A356 - SiC) silicon carbide metal matrix composite of two samples, were prepared in-house by using stir casting method. Samples having 10 and 20% silicon carbide particles (grain size ranging from 55 to 85 mm) by weight are fabricated in the form of cylindrical bars. Experiments were conducted in the medium duty lathe by using polycrystalline diamond (PCD) insert. Optimum parameters were obtained by analyzing the power consumed on an average surface roughness (Ra) of the machined component. By setting these optimum parameters at a constant machining condition, tool wear study was carried out for a time duration of 100 min. The result showed that the tool flank wears was maximum while machining 20% of the SiC reinforcing MMC when compared with 10% of the SiC reinforcing MMC. The result proved that the influence of SiC particles’ weight percentage was a dependent parameter on tool wear. The main mechanism of tool wear in machining Al-SiC MMC includes two-body abrasion and three-body abrasion. However, the tool wear images were captured by optical microscope and SEM, which supported the result. Key words: Machining, PCD, Al-SiC-MMC, different percentage of SiC reinforcing, power consumed, tool wear.
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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 découle