MétaCan
Menu
Retour à la cohorte
Enregistrement W2127427832 · doi:10.1177/2041297510394057

Porosity and cutting forces: from macroscale to microscale machining correlations

2011· article· en· W2127427832 sur OpenAlexaff
O. Remus Tutunea‐Fatan, M. Abolghasemi Fakhri, Evgueni V. Bordatchev

Notice bibliographique

RevueProceedings of the Institution of Mechanical Engineers Part B Journal of Engineering Manufacture · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced machining processes and optimization
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésMicroscale chemistryMachinabilityMachiningSurface micromachiningPorosityMaterials scienceContext (archaeology)Mechanical engineeringMetallurgyComposite materialFabricationEngineeringGeology

Résumé

récupéré en direct d'OpenAlex

Porous metals, typically produced through powder metallurgy, represent a class of relatively new materials with wide industrial applications, lately extending into the microscale domain. Although produced in near-net shapes, most components fabricated from these materials still require some form of secondary machining. Despite the progress made in the field, relatively little is known either on the inherent cutting mechanism or on the behaviour of these materials under micromachining conditions. The present study reviews the main cutting theories proposed in macroscale machining, along with one of the primary parameters used to describe its machinability performances, namely cutting forces. Then, the feasibility of macroscale concepts is discussed in the context of micromachining technology that is characterized by comparable tool and pore sizes. The microslot cutting experiment performed in a porous titanium sample outlined the relative interplay between the magnitude of the cutting force and porosity of the material. Based on this, it was concluded that the impact of structural porosity on cutting forces experienced during micromachining is significant and therefore further in-depth investigations will be required.

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)0,000
score de la tête « metaresearch » (Gemma)0,003
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: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
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 Opus0,009
Tête enseignante GPT0,192
Écart entre enseignants0,183 · 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

Citations58
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Institution of Mechanical Engineers Part B Journal of Engineering ManufactureMême sujetAdvanced machining processes and optimizationTravaux en français237 207