MétaCan
Menu
Retour à la cohorte
Enregistrement W2895791146 · doi:10.2351/1.5062069

Direct manufacturing of net-shape functional components/test-pieces for aerospace, automotive and other applications

2010· article· en· W2895791146 sur OpenAlexaffabout
Lijue Xue, Yangsheng Li, Shaodong Wang

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueHigh-Temperature Coating Behaviors
Établissements canadiensNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésAerospaceNear net shapeAutomotive industryMachiningMechanical engineeringConsolidation (business)CADImpellerProcess (computing)Materials scienceManufacturing engineeringComputer scienceEngineering drawingEngineeringAerospace engineering

Résumé

récupéré en direct d'OpenAlex

Laser consolidation (LC) is a novel computer-aided manufacturing process being developed by the Industrial Materials Institute of National Research Council of Canada (NRC-IMI). This rapid manufacturing process produces net-shape functional metallic parts layer-by-layer directly from a CAD model by using a laser beam to melt the injected powder and re-solidifying it on the substrate or previous layer. As an alternative to the conventional machining process, this novel manufacturing process builds net-shape functional parts or features on an existing part by adding instead of removing materials. In this paper, laser consolidation of various high performance materials (such as Ni-alloys, tool steels, etc.) will be demonstrated to manufacture functional components or test-pieces (such as shell-based mold inserts, impeller, intersected multi-hexgon tube, goblet shape, etc.) for potential aerospace, automotive and other applications. In the paper, dimensional accuracy of various laser-consolidated test-pieces will be measured and compared with CAD models. In addition, an example will be given on laser consolidation to build complex cold spray nozzles that are difficult to make otherwise and significantly improve the performance.

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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,142
Score d'incertitude au seuil0,470

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 Opus0,012
Tête enseignante GPT0,224
Écart entre enseignants0,212 · 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

Citations1
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetHigh-Temperature Coating BehaviorsTravaux en français237 207