Optimization of minimum quantity cooling / lubrication machining of composites through flow visualization
Notice bibliographique
Résumé
Modern machining involves more dependence on green manufacturing techniques. Minimum Quantity Cooling Lubrication (MQCL) of machining processes has replaced conventional flood cooling in many applications, involving various materials and cutting conditions. The use of this technique results in considerable reductions in the quantity of lubricant used, reducing manufacturing costs as well as the impact of the process on the environment. With the objective of achieving a fuller understanding of this technology, an interest has been taken in the properties of the aerosol, and their impact on machining performance. This study presents an attempt to understand these properties through the use of experimental and numerical flow visualization techniques, followed by machining experiments. The Particle Image Velocimetry study revealed how the MQCL nozzle geometry and the injection parameters (air and lubricant flow rates) which control the Sauter Mean Diameter (SMD) of the resulting droplets, affect the flow, and that droplets with smaller SMD are more capable of following the air flow. Computational Fluid Dynamics simulations showed that a single-phase (air only) simulation is sufficient in describing the flow, when comparing the simulation and experimental (real flow) PIV results. They also revealed that the potential thermal benefits of the air flow can be achieved if the nozzle orientation vis-à-vis a model tool is exploited. Comparisons of MQCL with conventional flood cooling and dry machining modes in milling of Carbon-Fibre Reinforced Plastics (CFRP) revealed that the benefit of MQCL (namely lower tool wear and higher geometric accuracy of the machined part), can be achieved if the atomization parameters are set for appropriate lubrication and SMD size.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 ».