Process-Structure-Properties-Performance Modeling for Selective Laser Melting
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Selective laser melting (SLM) is a promising manufacturing technique where the part design, from performance and properties process control and alloying, can be accelerated with integrated computational materials engineering (ICME). This paper demonstrates a process-structure-properties-performance modeling framework for SLM. For powder-bed scale melt pool modeling, we present a diffuse-interface multiphase computational fluid dynamics model which couples Navier–Stokes, Cahn–Hilliard, and heat-transfer equations. A computationally efficient large-scale heat-transfer model is used to describe the temperature evolution in larger volumes. Phase field modeling is used to demonstrate how epitaxial growth of Ti-6-4 can be interrupted with inoculants to obtain an equiaxed polycrystalline structure. These structures are enriched with a synthetic lath martensite substructure, and their micromechanical response are investigated with a crystal plasticity model. The fatigue performance of these structures are analyzed, with spherical porelike defects and high-aspect-ratio cracklike defects incorporated, and a cycle-amplitude fatigue graph is produced to quantify the fatigue behavior of the structures. The simulated fatigue life presents trends consistent with the literature in terms of high cycle and low cycle fatigue, and the role of defects in dominating the respective performance of the produced SLM structures. The proposed ICME workflow emphasizes the possibilities arising from the vast design space exploitable with respect to manufacturing systems, powders, respective alloy chemistries, and microstructures. By digitalizing the whole workflow and enabling a thorough and detailed virtual evaluation of the causal relationships, the promise of product-targeted materials and solutions for metal additive manufacturing becomes closer to practical engineering application.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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