MétaCan
Menu
Retour à la cohorte
Enregistrement W2950938749 · doi:10.3390/app9122533

Cutting Force and Cutting Quality during Tapered Milling of Glass Magnesium Board

2019· article· en· W2950938749 sur OpenAlexaff
Pingxiang Cao, Zhaolong Zhu, Xiaolei Guo, Xiaodong Wang, Chunchao Fu, Chi Zhang

Notice bibliographique

RevueApplied Sciences · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Surface Polishing Techniques
Établissements canadiensUniversité Laval
Organismes subventionnairesDoctorate Fellowship Foundation of Nanjing Forestry UniversityNational Natural Science Foundation of ChinaNanjing Forestry University
Mots-clésSurface roughnessMaterials scienceDiamond cuttingSurface finishDrillingComposite materialDiamondMetallurgyDiamond turning

Résumé

récupéré en direct d'OpenAlex

In this paper, the effects of tool geometry and cutting parameters on cutting force and quality were investigated during the tapered milling of glass magnesium (MGO) board with diamond cutters. The results were as follows: firstly, both the cutting force and roughness of the machined surface were positively correlated with the taper angle of the cutters and the cutting depth, but negatively related to the spindle speed. Then, the cutting depth had the largest influence on the cutting force and surface roughness, followed by the taper angle and spindle speed. Thirdly, the taper angle had a significant influence on the cutting force, but not on the surface roughness. The contribution of the spindle speed to both the cutting force and the surface roughness were significant, while the cutting depth had an insignificant effect on the cutting force and the surface roughness. Finally, the optimal cutting condition for the tapered milling of glass magnesium board was found to be a taper angle of 15°, a spindle speed of 5000 rpm (cutting speed of 36.63 m/s), and a cutting depth of 0.5 mm, which are proposed for industrial production in order to achieve greater cutting quality and economic benefit.

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 enseignants0,002
Score d'incertitude au seuil0,004

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 Opus0,012
Tête enseignante GPT0,253
Écart entre enseignants0,241 · 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

Citations9
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied SciencesMême sujetAdvanced Surface Polishing TechniquesTravaux en français237 207