MétaCan
Menu
Retour à la cohorte
Enregistrement W2901695459 · doi:10.25071/10315/35335

The Influence of Powder Size and Packing Density on the Temperature Distribution in Selective Laser Melting

2018· article· en· W2901695459 sur OpenAlexafffund
Diego Augusto de Moraes, Aleksander Czekanski

Notice bibliographique

RevueProgress in Canadian Mechanical Engineering · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing Materials and Processes
Établissements canadiensYork University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésSelective laser meltingMaterials scienceMelting temperatureSphere packingLaserDistribution (mathematics)Composite materialOpticsMathematicsPhysicsMicrostructure

Résumé

récupéré en direct d'OpenAlex

Metal powder properties in Selective Laser Melting (SLM) is among one of the most important factors when implementing new alloy developments for the equipment.In fact, not all commercially available metal powder alloys are ready to be implemented without a comprehensive set of tests.Besides the powder properties, we have a large number of building and environmental parameters that demands extensively research prior implementation.Although selected alloys are commercially available and documented to be used in SLM, including Ti6Al4V, SS316L and In718, the majority of it still not ready to be utilized in this system.The focus of this study is to use a thermal model in order to predict the thermal distribution of the process regarding different aspects of the powder properties, especially the thermal conductivity, when different powder packing densities and diameters are used.A Stainless Steel 304L will be utilized in this work, since it is not yet available to be commercially used.The main goal is to show the capabilities of the Finite Element Method in the pre-definition of optimal parameters for the process using a new alloy development.Our findings can be used as a pre-evaluation guideline when printing SS304L, since the comparison with similar experimental work in the field showed significant resemblance and outcomes.The temperature distributions show that the packing density has greater sensibility on the final temperature distributions, compared to the powder diameter variance.Two different power inputs are compiled and the temperature outcomes demonstrate that a power input of 100 Watts is recommended to use when printing SS304L, rather than 400 Watts that brings high temperature into the powder bed.

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)0,001
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
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 savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,004
Tête enseignante GPT0,195
Écart entre enseignants0,191 · 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

Citations1
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProgress in Canadian Mechanical EngineeringMême sujetAdditive Manufacturing Materials and ProcessesTravaux en français237 207