MétaCan
Menu
Retour à la cohorte
Enregistrement W2556609282 · doi:10.4028/www.scientific.net/msf.879.1233

Friction Stir Welding on Light-Weight Metal - Aluminum Alloy Al6061

2016· article· en· W2556609282 sur OpenAlexfundno aff
Vasanth Chakravarthy Shunmugasamy, Bilal Mansoor

Notice bibliographique

RevueMaterials science forum · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Welding Techniques Analysis
Établissements canadiensnon disponible
Organismes subventionnairesMcMaster UniversityImpact Fund
Mots-clésMaterials scienceCharpy impact testFriction stir weldingBase metalWeldingUltimate tensile strengthMetallurgyAluminiumAlloyComposite materialDeformation (meteorology)

Résumé

récupéré en direct d'OpenAlex

Friction stir welding (FSW) is a solid state joining process in which metals are joined together using frictional heat and severe plastic deformation. The heating and the mixing of the metals is performed using a hardened tool with a shoulder and pin. FSW of lightweight metal alloy Al6061 has been carried out in the present study. For welding aluminum the parameters used were a constant tool rotation speed of 1600 rpm and varying tool translation speeds of 250, 500, 750 and 1000 mm/min. The welded coupons were characterized for microstructural observations and mechanical properties such as tensile and Charpy impact properties. The tensile and impact properties were studied at two different temperature namely, room temperature (RT) and 300°C. The FS welded aluminum specimens showed 86% – 98% tensile yield strength, in comparison to the base material at RT. At 300°C, the yield strength was observed to be 85% to 93% of the base material value. For the impact properties, the Al specimens showed 60% – 140% specific impact energy, in comparison to their respective base materials. Based on the mechanical properties and microstructural examination, the optimal weld parameter was identified as 1600 rpm and 250 mm/min which is dependent on the tool pin and shoulder design utilized in the study.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,040
Score d'incertitude au seuil0,574

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,008
Tête enseignante GPT0,230
Écart entre enseignants0,222 · 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 tête enseignante, 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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMaterials science forumMême sujetAdvanced Welding Techniques AnalysisTravaux en français237 207