MétaCan
Menu
Retour à la cohorte
Enregistrement W2318788881 · doi:10.1063/1.4940606

Inspection of additive manufactured parts using laser ultrasonics

2016· article· en· W2318788881 sur OpenAlexaff
Daniel Lévesque, Christophe Bescond, M. Lord, X. Cao, Priti Wanjara, J.‐P. Monchalin

Notice bibliographique

RevueAIP conference proceedings · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing Materials and Processes
Établissements canadiensNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceInconelLaserLayer (electronics)FusionDeposition (geology)PorosityComposite materialOptics

Résumé

récupéré en direct d'OpenAlex

Additive manufacturing is a novel technology of high importance for global sustainability of resources. As additive manufacturing involves typically layer-by-layer fusion of the feedstock (wire or powder), an important characteristic of the fabricated metallic structural parts, such as those used in aero-engines, is the performance, which is highly related to the presence of defects, such as cracks, lack of fusion or bonding between layers, and porosity. For this purpose, laser ultrasonics is very attractive due to its non-contact nature and is especially suited for the analysis of parts of complex geometries. In addition, the technique is well adapted to online implementation and real-time measurement during the manufacturing process. The inspection can be performed from either the top deposited layer or the underside of the substrate and the defects can be visualized using laser ultrasonics combined with the synthetic aperture focusing technique (SAFT). In this work, a variety of results obtained off-line on INCONEL® 718 and Ti-6Al-4V coupons that were manufactured using laser powder, laser wire, or electron beam wire deposition are reported and most defects detected were further confirmed by X-ray micro-computed tomography.

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)0,001
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: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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)0,0020,000

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 Opus0,019
Tête enseignante GPT0,222
Écart entre enseignants0,203 · 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

Citations43
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAIP conference proceedingsMême sujetAdditive Manufacturing Materials and ProcessesTravaux en français237 207