MétaCan
Menu
Retour à la cohorte
Enregistrement W2966438060 · doi:10.3390/jmmp3030063

An Investigation into Tool Wear and Hole Quality during Low-Frequency Vibration-Assisted Drilling of CFRP/Ti6Al4V Stack

2019· article· en· W2966438060 sur OpenAlexaff
Ramy Hussein, A. Sadek, M.A. Elbestawi, Helmi Attia

Notice bibliographique

RevueJournal of Manufacturing and Materials Processing · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced machining processes and optimization
Établissements canadiensNational Research Council CanadaMcMaster University
Organismes subventionnairesnon disponible
Mots-clésDrillingDelamination (geology)Tool wearVibrationMachiningChip formationThrustMaterials scienceMechanism (biology)ChipMechanical engineeringStack (abstract data type)AerospaceDeep hole drillingStructural engineeringEngineeringAcousticsComputer scienceGeologyAerospace engineering

Résumé

récupéré en direct d'OpenAlex

The use of lightweight material such as CFRP/Ti6Al4V in stacked structures in the aerospace industry is associated with improved physical and mechanical characteristics. The drilling process of nonuniform structures plays a significant role prior to the assembly operation. However, this drilling process is typically associated with unacceptable CFRP delamination, hole accuracy, and high tool wear. These machining difficulties are attributed to high thermal load and poor chip evacuation mechanism. Low-frequency vibration-assisted drilling (LF-VAD) is an advanced manufacturing technique where the dynamic change of the uncut chip thickness is used to manipulate the cutting energy. An efficient chip evacuation mechanism was achieved through axial tool oscillation. This study investigates the effect of vibration-assisted drilling machining parameters on tool wear mechanisms. The paper also presents the effect of tool wear progression on drilled hole quality. Hole quality is described by CFRP entry and exit delamination and hole accuracy. The results showed a significant reduction in the thrust force, cutting torque, cutting temperature, and flank wear-land.

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 GPT0,243
Écart entre enseignants0,235 · 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

Citations28
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Manufacturing and Materials ProcessingMême sujetAdvanced machining processes and optimizationTravaux en français237 207