MétaCan
Menu
Retour à la cohorte
Enregistrement W2903675396 · doi:10.3390/ma12010012

The Effect of Selective Laser Melting Process Parameters on the Microstructure and Mechanical Properties of Al6061 and AlSi10Mg Alloys

2018· article· en· W2903675396 sur OpenAlexafffund
Ahmed H. Maamoun, Yi F. Xue, M.A. Elbestawi, Stephen C. Veldhuis

Notice bibliographique

RevueMaterials · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing Materials and Processes
Établissements canadiensMcMaster University
Organismes subventionnairesMcMaster University
Mots-clésSelective laser meltingMicrostructureMaterials scienceProcess (computing)MetallurgyLaserComposite materialComputer scienceOptics

Résumé

récupéré en direct d'OpenAlex

Additive manufacturing (AM) offers customization of the microstructures and mechanical properties of fabricated components according to the material selected and process parameters applied. Selective laser melting (SLM) is a commonly-used technique for processing high strength aluminum alloys. The selection of SLM process parameters could control the microstructure of parts and their mechanical properties. However, the process parameters limit and defects obtained inside the as-built parts present obstacles to customized part production. This study investigates the influence of SLM process parameters on the quality of as-built Al6061 and AlSi10Mg parts according to the mutual connection between the microstructure characteristics and mechanical properties. The microstructure of both materials was characterized for different parts processed over a wide range of SLM process parameters. The optimized SLM parameters were investigated to eliminate internal microstructure defects. The behavior of the mechanical properties of parts was presented through regression models generated from the design of experiment (DOE) analysis for the results of hardness, ultimate tensile strength, and yield strength. A comparison between the results obtained and those reported in the literature is presented to illustrate the influence of process parameters, build environment, and powder characteristics on the quality of parts produced. The results obtained from this study could help to customize the part's quality by satisfying their design requirements in addition to reducing as-built defects which, in turn, would reduce the amount of the post-processing needed.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

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 ouverte0,0000,000
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 Opus0,007
Tête enseignante GPT0,202
Écart entre enseignants0,195 · 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

Citations204
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMaterialsMême sujetAdditive Manufacturing Materials and ProcessesTravaux en français237 207