MétaCan
Menu
Retour à la cohorte
Enregistrement W2900552682 · doi:10.25071/10315/35232

Simulating Layup Defects During Tow Steering In Automated Fiber Placement

2018· article· en· W2900552682 sur OpenAlexafffund
Nima Bakhshi, Mehdi Hojjati

Notice bibliographique

RevueProgress in Canadian Mechanical Engineering · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueMaterial Properties and Processing
Établissements canadiensConcordia University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésComputer scienceFiberMaterials scienceComposite material

Résumé

récupéré en direct d'OpenAlex

AutomatedFiber Placement (AFP) offers valuable advantages which make this technology a suitable candidate for producing high-quality parts in the aerospace industry.However, there are limitations: number of defects may arise during the fiber placement including wrinkles at the inside edge, and blisters in the middle of the prepreg tows.These defects have severe effects on the layup quality and consequently, on the performance and quality of the final part.Therefore, efforts shall be pointed to avoid them.A deeper understanding of the defect formation processes as well as tools and techniques for modeling them is indispensable for fully harnessing the potential of AFP technology.In the present study, a physics-based modeling approach is presented for the global modeling of defects in AFP.The application of this approach for detecting and modeling the blisters and outof-plane wrinkles that appear during fiber steering, is discussed, although it should be noted that the application is not limited to the case of fiber steering and can be expanded to different scenarios.Preliminary results of the simulations are presented.AFP trials are performed to validate the model.The trends and patterns of both wrinkles and blisters are found to be in good agreement with experimental results.

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)0,001
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,008
Tête enseignante GPT0,217
Écart entre enseignants0,210 · 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 revueProgress in Canadian Mechanical EngineeringMême sujetMaterial Properties and ProcessingTravaux en français237 207