MétaCan
Menu
Retour à la cohorte
Enregistrement W2783390982 · doi:10.11159/ijmem.2018.001

Application of Taguchi Methodology on the Manufacturing Quality Evaluation of Subcontract Factories in Tapping Screws

2018· article· en· W2783390982 sur OpenAlexvenueno aff
Chih-Cheng Yang, Wen-Ching Chao

Notice bibliographique

RevueInternational Journal of Mechanical Engineering and Mechatronics · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueManufacturing Process and Optimization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTappingTaguchi methodsQuality (philosophy)Manufacturing engineeringEngineeringComputer scienceMechanical engineering

Résumé

récupéré en direct d'OpenAlex

The tapping screw is a well-developed, widely used fastener. The manufacturing processes of tapping screws are sequentially wire-manufacturing, forming (heading and threading), carburizing heat treatment, and phosphate coating, which can be conducted by subcontract factories. The performance qualities of tapping screws are affected by the manufacturing qualities of subcontract factories. In this study, to improve the quality of AISI 1018 low carbon steel tapping screws, Taguchi method is used to evaluate the manufacturing qualities of subcontract factories. The quality characteristics of tapping screws, such as case hardness, core hardness, torsional strength, and drilling time, are investigated, and so are their process capabilities. The most important quality characteristic of a tapping screw is the drilling performance. It is experimentally revealed that the heat treating process (H) and the coating process (C) are the significant processes; while the forming process (F) and the wire manufacturing (W) are relatively not significant since they are well-developed manufacturing processes for tapping screws. Subsequently, the determined subcontract factories: W2, F2, H3 together with C2, evidently improve the performance measures. The drilling performance of the AISI 1018 tapping screws could be improved based on the findings of this research.

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)0,002
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,374
Score d'incertitude au seuil0,329

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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 Opus0,050
Tête enseignante GPT0,318
Écart entre enseignants0,268 · 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'étudeSimulation ou modélisation
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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Mechanical Engineering and MechatronicsMême sujetManufacturing Process and OptimizationTravaux en français237 207