MétaCan
Menu
Retour à la cohorte
Enregistrement W2270704710 · doi:10.1139/tcsme-2010-0018

INVESTIGATION OF SINGLE-POINT DRESSING OVERLAP RATIO AND DIAMOND-ROLL DRESSING INTERFERENCE ANGLE ON SURFACE ROUGHNESS IN GRINDING

2010· article· en· W2270704710 sur OpenAlexafffundvenue
Akram Saad, Robert Bauer, Andrew Warkentin

Notice bibliographique

RevueTransactions of the Canadian Society for Mechanical Engineering · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced machining processes and optimization
Établissements canadiensDalhousie University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésGrindingDiamondMaterials scienceSurface roughnessSurface finishDiamond grindingInterference (communication)Composite materialDiamond toolPoint (geometry)Single pointInverseDiamond turningGeometryMechanicsGrinding wheelMathematicsEngineeringComputer simulationPhysics

Résumé

récupéré en direct d'OpenAlex

This paper investigates the effect of both single-point and diamond-roll dressing techniques on the workpiece surface roughness in grinding. Two empirical surface roughness models are studied – one that incorporates single-point dressing parameters, and another that incorporates diamond-roll dressing parameters. For the experimental conditions used in this research, the corresponding empirical model coefficients are found to have a linear relationship with the inverse of the overlap ratio for single-point dressing and the interference angle for diamond-roll dressing. The resulting workpiece surface roughness models are then experimentally validated for different depths of cut, workpiece speeds and dressing conditions. In addition, the models are used to derive a relationship between overlap ratio for single-point dressing, and interference angle for diamond-roll dressing such that both dressing techniques produce a similar surface finish for a given material removal rate.

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)0,004
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 seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,014
Tête enseignante GPT0,209
Écart entre enseignants0,195 · 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

Citations19
Publié2010
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueTransactions of the Canadian Society for Mechanical EngineeringMême sujetAdvanced machining processes and optimizationTravaux en français237 207