MétaCan
Menu
Retour à la cohorte
Enregistrement W2888862058 · doi:10.5267/j.ijdns.2018.8.001

Surface integrity analysis of WEDMed specimen of Inconel 825 superalloy

2018· article· en· W2888862058 sur OpenAlexvenueno aff
Pawan Kumar, Meenu Gupta, Vineet Kumar

Notice bibliographique

RevueInternational Journal of Data and Network Science · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Machining and Optimization Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceSuperalloyInconelSurface integrityMetallurgyElectrical discharge machiningSurface roughnessMachiningPorosityIncoloyLayer (electronics)Composite materialMicrostructureCorrosionAlloy

Résumé

récupéré en direct d'OpenAlex

WEDM has evolved as a well admired technique for machining of difficult to cut materials such as superalloys.WEDM produces intricate shape and profiles of superalloys by thermoelectric erosion process.But as the process is carried out at very high temperature, the formation of heat affected zone, microcracks, recast layer, porosity etc. resulted in decreased surface integrity of machined specimen and becomes a big problem in WEDM.Discharge energy is the most influencing parameters that affect the surface integrity of WEDmed samples.In this study, Inconel 825, widely used in aerospace industry for making of combustor casing and turbine blades, was machined with WEDM under different discharge energy.The surface topography of the WEDMed specimen was carried cut by using SEM, XRD and EDX techniques.It was observed from the SEM micrograph that the machined surface includes cracks, pockmarks, craters, and pulled out material.The density and sice of craters increase with increase in discharge energy.Surface crack density of 0.0138 μm/μm 2 and recast layer thickness of 34.62μm was obtained for the machined sample at high value of discharge energy while at low value surface crack density of 0.0016 μm/μm 2 and recast layer thickness of 20.99μm was observed.EDX and XRD analysis of the specimen showed that an appreciable amount of elements viz.Fe (Ferrous), Cr (Chromium), Cu (Copper), Ni (Nickel) are migrated to the surface of the workpiece at high value of pulse on time.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0020,000

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 Opus0,029
Tête enseignante GPT0,332
Écart entre enseignants0,304 · 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'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

Citations9
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Data and Network ScienceMême sujetAdvanced Machining and Optimization TechniquesTravaux en français237 207