MétaCan
Menu
Retour à la cohorte
Enregistrement W2751449383 · doi:10.2351/1.5060318

Precision micro cutting of thin steel plate with newly designed laval nozzle by pulsed YAG laser

2004· article· en· W2751449383 sur OpenAlexaboutno aff
Yasuhiro Okamoto, Yoshiyuki UNO, Masayoshi Hosogaya, Naoki Miyanagi

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueLaser Material Processing Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDrossNozzleMaterials scienceJet (fluid)Mach numberMechanicsMechanical engineeringFlow (mathematics)MetallurgyEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

This paper deals with laser cutting of thin steel plate by pulsed YAG laser using newly designed Laval nozzle. The assist gas flow spouted from the Laval nozzle dose not have Mach Shock Disk in free jet, and its straightness is superior to a traditional convergent nozzle. Therefore, the pressure on workpiece increases, and the dross height can be reduced remarkably even under low supply gas pressure condition. Thus, the consumption of flow quantity of assist gas can be reduced, when the dross height is equal. Besides, color change by excessive oxidation due to the heat conduction from dross is smaller at the back side of workpiece around the kerf, since Laval nozzle can remove melted material more effectively compared to a convergent nozzle. However, the supplied gas pressure should be carefully set, since Laval nozzle has many unstable regions, where the pressure on workpiece changes periodically. The dross height dose not increase or almost equal in the case of Laval nozzle, when the gap distance between the nozzle tip and the workpiece surface is changed from 1mm to 2mm. Because the assist gas flow from Laval nozzle has an excellent straightness and the pressure on workpiece does not reduce drastically. Moreover, it was made clear that Laval nozzle designed for the special condition can reduce the dross more effectively and decrease the unstable region.

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)0,000
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 enseignants0,016
Score d'incertitude au seuil0,530

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
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 Opus0,007
Tête enseignante GPT0,207
Écart entre enseignants0,200 · 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

Citations2
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetLaser Material Processing TechniquesTravaux en français237 207