MétaCan
Menu
Retour à la cohorte
Enregistrement W2809282663 · doi:10.3390/jmmp2030040

Influence of Shot Peening on AlSi10Mg Parts Fabricated by Additive Manufacturing

2018· article· en· W2809282663 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of Manufacturing and Materials Processing · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing Materials and Processes
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésShot peeningMaterials sciencePeeningResidual stressMicrostructureAluminiumSevere plastic deformationComposite materialMetallurgyHardening (computing)Deformation (meteorology)

Résumé

récupéré en direct d'OpenAlex

The additive manufacturing (AM) of aluminum alloys promises to considerably enhance the performance of lightweight critical parts in various industrial applications. AlSi10Mg is one of the compatible Al alloys used in the selective laser melting of lightweight components. However, the surface defects obtained from the as-built parts affect their mechanical properties, and thus represent an obstacle to using them as final products. This study aims to improve the surface characteristics of the as-built AlSi10Mg parts using shot peening (SP). To achieve this goal, different SP intensities were applied to various surface textures of the as-built samples. The SP results showed a significant improvement in the as-built surface topography and a higher value of effective depth using 22.9 A intensity and Gp165 glass beads. The area near the shot-peened surface showed a significant microstructure refinement to a specific depth due to the dynamic precipitation of nanoscale Si particles. Surface hardening was also detected and high compressive residual stresses were generated due to severe plastic deformation. The surface characteristics obtained after SP could result in a significant improvement in the mechanical properties and fatigue strength, and thus promise performance enhancement for critical parts in various industrial applications.

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.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,107
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,011
Tête enseignante GPT0,232
Écart entre enseignants0,221 · 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