MétaCan
Menu
Retour à la cohorte
Enregistrement W2522535097 · doi:10.4028/www.scientific.net/kem.710.77

Turning and Drilling Machinability of Recycled Aluminum Alloys

2016· article· en· W2522535097 sur OpenAlexaff
Jean Brice Mandatsy Moungomo, Donatien Nganga Kouya, Victor Songméné

Notice bibliographique

RevueKey engineering materials · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueAluminum Alloys Composites Properties
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesnon disponible
Mots-clésMachinabilityAluminiumMetallurgyMaterials scienceMachiningDrilling

Résumé

récupéré en direct d'OpenAlex

A great deal of effort and research has been dedicated to recycled aluminum alloys, mainly to recycling processes and to the mechanical properties of recomposed parts; however, very limited work has been oriented towards the machinability of recycled aluminum materials. Recycled and recomposed aluminum parts sometimes need machining to obtain the final usable part shape and for assembly purposes. The acceptability of using recycled materials in design and engineering applications depends not only on their mechanical properties, but also on their machinability. This paper investigates the machinability of recycled aluminum alloys based on surface finish, cutting forces and chip formation. Two recycled foundry aluminum alloys were used: one from aluminum can covers and another from aluminum chips produced during machining. The machining operations investigated included turning and drilling under dry and wet conditions. The two tested recycled aluminum alloys showed different machinability behaviors and different part quality characteristics, suggesting that it would be desirable to consider separating aluminum wastes and chips considered for recycling by origin or type prior to melting and recasting.

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 enseignants0,001
Score d'incertitude au seuil0,003

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)0,0010,000

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 Opus0,006
Tête enseignante GPT0,171
Écart entre enseignants0,165 · 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

Citations1
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKey engineering materialsMême sujetAluminum Alloys Composites PropertiesTravaux en français237 207