MétaCan
Menu
Retour à la cohorte
Enregistrement W2800754150 · doi:10.1063/1.5029586

Design and development of solid carbide step drill K34 for machining of CFRP and GFRP composite laminates

2018· article· en· W2800754150 sur OpenAlexaff
T. Rangaswamy, R. Nagaraja

Notice bibliographique

RevueAIP conference proceedings · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced machining processes and optimization
Établissements canadiensBell Helicopter Textron (Canada)
Organismes subventionnairesnon disponible
Mots-clésFibre-reinforced plasticDelamination (geology)DrillMaterials scienceDrillingMachiningComposite materialComposite laminatesBreakageComposite numberThrustGlass fiberMechanical engineeringMetallurgyEngineeringGeology

Résumé

récupéré en direct d'OpenAlex

The Study focused on design and development of solid carbide step drill K34 to drill holes on composite materials such as Carbon Fiber Reinforced Plastic (CFRP) and Glass Fiber Reinforced Plastic (GFRP). The step drill K34 replaces step wise drilling of diameter 6.5mm and 9 mm holes that reduces the setup time, cutting speed, feed rate cost, delamination and increase the production rate. Several researchers have analyzed the effect of drilling process on various fiber reinforced plastic composites by carrying out using conventional tools and machinery. However, this process operation can lead to different kind of damages such as delamination, fiber pullout, and local cracks. To avoid the problems encountered at the time of drilling, suitable tool material and geometry is essential. This paper deals with the design and development of K34 Carbide step drill used to drill holes on CFRP and GFRP laminates. An Experimental study carried out to investigate the tool geometry, feed rate and cutting speed that avoids delamination and fiber breakage.

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: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,803
Score d'incertitude au seuil0,507

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 Opus0,021
Tête enseignante GPT0,256
Écart entre enseignants0,235 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAIP conference proceedingsMême sujetAdvanced machining processes and optimizationTravaux en français237 207