MétaCan
Menu
Retour à la cohorte
Enregistrement W2981322399 · doi:10.3390/met9111138

Process-Structure-Properties-Performance Modeling for Selective Laser Melting

2019· article· en· W2981322399 sur OpenAlexafffund
Tatu Pinomaa, Ivan Yashchuk, M. Lindroos, Tom Andersson, Nikolas Provatas, Anssi Laukkanen

Notice bibliographique

RevueMetals · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing Materials and Processes
Établissements canadiensMcGill University
Organismes subventionnairesAcademy of FinlandCanada Research Chairs
Mots-clésSelective laser meltingMaterials scienceMechanical engineeringWorkflowEquiaxed crystalsMicrostructureComputer scienceMetallurgyEngineering

Résumé

récupéré en direct d'OpenAlex

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.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,016
Tête enseignante GPT0,211
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'étudeSimulation ou modélisation
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

Citations43
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMetalsMême sujetAdditive Manufacturing Materials and ProcessesTravaux en français237 207