MétaCan
Menu
Retour à la cohorte
Enregistrement W2888754572 · doi:10.3390/jmmp2030056

Intra- and Inter-Repeatability of Profile Deviations of an AlSi10Mg Tooling Component Manufactured by Laser Powder Bed Fusion

2018· article· en· W2888754572 sur OpenAlexafffund
Floriane Zongo, Antoine Tahan, Ali Aidibe, Vladimir Braïlovski

Notice bibliographique

RevueJournal of Manufacturing and Materials Processing · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing Materials and Processes
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésFusionStandard deviationMaterials scienceRepeatabilityMetrologyAerospaceComponent (thermodynamics)Mechanical engineeringMathematicsEngineeringPhysicsStatistics

Résumé

récupéré en direct d'OpenAlex

Laser powder bed fusion (LPBF) is one of the most potent additive manufacturing (AM) processes. Metallic LPBF is gaining popularity, but one of the obstacles facing its larger industrial use is the limited knowledge of its dimensional and geometrical performances. This paper presents a metrological investigation of the geometrical and dimensional deviations of a selected LPBF-manufactured component, according to the ASME Y14.5-2009 standard. This approach allows for an estimation of both the process capability, as per ISO 22514-4 standard, and the correlations between the part location in the manufacturing chamber and the profile deviations. Forty-nine parts, which are representative of a typical aerospace tooling component (30 mm in diameter and 27.2 mm in height) were manufactured from AlSi10Mg powder using an EOSINT M280 printer and subjected to a stress relief annealing at 300 °C for two hours. This manufacturing procedure was repeated three times. A complete statistical analysis was carried out and the results of the investigation show that LPBF performances for all geometrical variations of 147 identical parts fall within a range of 230 µm at a 99.73% level.

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)0,001
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 enseignants0,051
Score d'incertitude au seuil0,811

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,009
Tête enseignante GPT0,230
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

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

Citations14
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Manufacturing and Materials ProcessingMême sujetAdditive Manufacturing Materials and ProcessesTravaux en français237 207