MétaCan
Menu
Retour à la cohorte
Enregistrement W2893145019 · doi:10.1088/1757-899x/418/1/012026

Deep Drawing Parameters and Characteristics for the Hot Forming of AA7075

2018· article· en· W2893145019 sur OpenAlexafffund
Kaab Omer, C. Butcher, Shahrzad Esmaeili, Michael J. Worswick

Notice bibliographique

RevueIOP Conference Series Materials Science and Engineering · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueMetal Forming Simulation Techniques
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsHonda Development and Manufacturing of America
Mots-clésDeep drawingBlankFormabilityHot stampingConstitutive equationStampingDie (integrated circuit)Materials scienceForming processesQuenching (fluorescence)LubricantAluminiumWork (physics)Finite element methodMechanical engineeringStructural engineeringMetallurgyComposite materialEngineering

Résumé

récupéré en direct d'OpenAlex

The hot forming of 7000 series aluminum alloys, or die quenching (DQ), consists of solutionizing the blank in a furnace and subsequently stamping it in a chilled die set. Being a relatively new technology, adopting the DQ process into automotive assembly lines involved several challenges. One of these challenges is the constitutive modelling, which is being addressed in literature. Another challenge is determining the proper formability conditions for DQ to work. To this end, the work presented herein investigated different forming parameters required to successfully deep draw AA7075 discs. Two disc sizes were selected: 177.8 and 203.3 mm. Parameters that were investigated were: binder load and lubricant applied. The deep draw experiments were also modelled in the LS-Dyna finite element code, using the constitutive data and a Barlat-2000 yield surface developed in other work by the authors. The predicted deep draw curves were found to match well the experimental data. The earring profiles also matched well.

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)0,002
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 enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,020
Tête enseignante GPT0,236
Écart entre enseignants0,216 · 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

Citations0
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIOP Conference Series Materials Science and EngineeringMême sujetMetal Forming Simulation TechniquesTravaux en français237 207