MétaCan
Menu
Retour à la cohorte
Enregistrement W2789562706 · doi:10.3390/jmmp2010016

Prediction and Optimization of Drilling Parameters in Drilling of AISI 304 and AISI 2205 Steels with PVD Monolayer and Multilayer Coated Drills

2018· article· en· W2789562706 sur OpenAlexaff
Yassmin Seid Ahmed, Helmi Youssef, Hassan El-Hofy, Mahmoud Ahmed

Notice bibliographique

RevueJournal of Manufacturing and Materials Processing · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Machining and Optimization Techniques
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceTaguchi methodsMachiningMetallurgyDrillingWork hardeningTool wearTinAustenitic stainless steelComposite materialCorrosionMicrostructure

Résumé

récupéré en direct d'OpenAlex

Due to their high ductility, high durability, and excellent corrosion resistance, stainless steels are attractive materials for a variety of applications. However, high work hardening, low thermal conductivity, and high built-up edge (BUE) formation make these materials difficult to machine. Rapid tool wear and high cutting forces are the common problems encountered while machining these materials. In the present work, the application of Taguchi optimization methodology has been used to optimize the cutting parameters of the drilling process for machining two stainless steels: austenitic AISI 304 and duplex AISI 2205 under dry conditions. The machining parameters which were chosen to be evaluated in this study are the tool material, cutting speed, and feed rate, while, the response factors to be measured are the tool life (T), cutting force (Fc), and specific cutting energy (ks). Additionally, empirical models were created for predicting the T, Fc and ks using linear regression analysis. The results of this study show that AISI 2205 stainless steel has a shorter tool life, a higher cutting force, and a higher specific cutting energy than AISI 304 stainless steel. In addition, the Taguchi method determined that A3B1C1 and A3B3C1 (A3 = TiN-coated twist drill, B1 = 13 m/min, B3 = 34 m/min, C1 = 0.12 mm/rev) are the optimized combination of levels for the best tool life and the lowest cutting force, respectively. Meanwhile, the optimized combination of levels for all three control factors from the analysis, which provides the lowest specific cutting energy, was found to be A3B1C3 (A3 = TiN-coated twist drill, B1 = 13 m/min, C3 = 0.32 mm/rev) for both stainless steels.

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)0,001
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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,010
Tête enseignante GPT0,219
Écart entre enseignants0,209 · 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'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

Citations25
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Manufacturing and Materials ProcessingMême sujetAdvanced Machining and Optimization TechniquesTravaux en français237 207