MétaCan
Menu
Retour à la cohorte
Enregistrement W2966419472 · doi:10.11159/icmie19.124

Effect of Tool Geometry and Process Parameters on Strength of Various Friction Stir Spot Welded Lap Joints

2019· article· en· W2966419472 sur OpenAlexvenueno aff
Manash J. Borah, Niharendu Saha

Notice bibliographique

RevueProceedings of the World Congress on Mechanical, Chemical, and Material Engineering · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Welding Techniques Analysis
Établissements canadiensnon disponible
Organismes subventionnairesIndian Institute of Technology Guwahati
Mots-clésSpot weldingProcess (computing)Materials scienceWeldingGeometryStructural engineeringEngineering drawingMechanical engineeringComposite materialComputer scienceEngineeringMathematics

Résumé

récupéré en direct d'OpenAlex

Friction stir welding (FSW) is widely used in aerospace and automotive industries but this process can also be use to join various metals, which are for daily use. As aluminium alloys are used to manufacture most of the kitchen utensils but rivets are most commonly used to join them. For such type of joints, friction stir spot welding (FSSW) can be a good replacement or alternative to rivets. In the present study, FSSW lap joint is been carried out in a bench-drilling machine (spindle speed range of 750 RPM -1341 RPM) to investigate the feasibility of such type of joints in small machine. The aim of this study is to investigate the effects of tool geometry and spindle speed on strength of friction stir welding at different joint. Two different types of tools i.e. circular probe tool and square probe tool are taken into consideration. The variation of welding strength with numbers of spot weld in the joint is also been discussed. The welding process is carried out for two types of joints, i.e., single spot FSW and double spot FSW lap joints. The welding material chosen for the process is aluminium alloy. The temperature recorded at the thermomechanical effected zone signifies that the welding is faster by square probe tool, which takes 20 to 25 seconds to get weld and reaches the highest temperature. The improvement of the process can make FSSW easier to use as a substitute of rivets.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,865

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,003
Tête enseignante GPT0,204
Écart entre enseignants0,201 · 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'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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the World Congress on Mechanical, Chemical, and Material EngineeringMême sujetAdvanced Welding Techniques AnalysisTravaux en français237 207