MétaCan
Menu
Retour à la cohorte
Enregistrement W2896846828 · doi:10.2351/1.5060838

Optimizing weld joint design for bond strength and functional properties in laser welding of polymers

2006· article· en· W2896846828 sur OpenAlexaff
Robert Mueller, Hongping Gu

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueManufacturing Process and Optimization
Établissements canadiensOntario Power Generation
Organismes subventionnairesnon disponible
Mots-clésWeldingMaterials scienceLaser beam weldingComposite materialLaserJoint (building)Laser power scalingUltimate tensile strengthBond strengthHeat-affected zoneStructural engineeringAdhesiveOpticsEngineering

Résumé

récupéré en direct d'OpenAlex

The ability of lasers to weld polymers has been known for many years, but the level of acceptance of the process by industry lags far behind the acceptance of laser welding of metals. As with laser welding of metals, optimum joint performance is obtained when the joint configuration is designed for laser welding. Weld joint performance characteristics may include bond strength, leakage rate, process cycle time, part fit-up tolerances, and interface cracks or flash. We report results of a study on laser welding of polymers to optimize joint configuration and performance for a simple, but practical case of a cap on a tube. To compare the effects of material on weld performance, the experiments were performed using both acrylic and polyethylene components. Several cap geometries were designed and produced with a range of dimensional tolerances. Caps were then laser welded onto tubes with a range of process parameters: power, speed, spot size, focus location. The resulting parts were subject to a series of tests, including vacuum testing for leak rate, tensile pull testing for bond strength, and macro-sectioning.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,627
Score d'incertitude au seuil0,252

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 Opus0,022
Tête enseignante GPT0,183
Écart entre enseignants0,161 · 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'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

Citations2
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetManufacturing Process and OptimizationTravaux en français237 207