Methodology for development of welding procedures and empirical weld process models based on principal component analysis techniques
Notice bibliographique
Résumé
With the increased automation of welding processes, there is a necessity for experimental design techniques that will permit rapid and efficient definition of the range of welding process parameters that may be used to produce acceptable welds for each new application. Such techniques are also required during development of empirical weld process models. In the present study, an experimental design technique based on principal component analysis (PCA) has been developed and shown to be more efficient than the traditional fractional factorial approach to experiment design, weld procedure development, and development of weld process models. Gas tungsten arc (GTA) welding of corner joint sheet steel was selected to exemplify the application of the technique. The boundary of a threedimensional domain of weld process parameters (welding current, speed, and electrode gap) which could be used to produce acceptable welds when using either flush or edge touch corner joint configurations was satisfactorily approximated using only 25 welds. The PCA based technique was able to resolve differences between the procedural domains of these two joint geometries. The procedural field for the edge touch configuration was found to have a larger range of acceptable welding conditions than that for the flush configuration. Empirical weld process models for these joint configurations were developed using standard multivariable regression analysis techniques and only 25 further welds. Finally, an empirical model for weld width prediction in corner joint GTA welding was developed which includes the effect of current, voltage, torch travel speed, and sheet metal fitup. This model had an R2 value of 86%, with all statistical tests yielding acceptable results.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».