MétaCan
Menu
Retour à la cohorte
Enregistrement W2991178655 · doi:10.1088/1757-899x/651/1/012035

Warm Forming Simulation of a ZEK100 Magnesium Door Panel

2019· article· en· W2991178655 sur OpenAlexaff
Kaab Omer, C. Butcher, Michael J. Worswick, Tim Skszek

Notice bibliographique

RevueIOP Conference Series Materials Science and Engineering · 2019
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMagnesium Alloys: Properties and Applications
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésBlankNeckingFormabilityMaterials scienceIsothermal processMagnesium alloyDie (integrated circuit)Finite element methodDeep drawingComposite materialYield (engineering)Forming limit diagramConstitutive equationHydroformingMetallurgyAlloyStructural engineeringThermodynamicsEngineeringTube (container)

Résumé

récupéré en direct d'OpenAlex

Abstract The warm forming of a door panel made of commercial grade ZEK100 magnesium alloy sheet was modelled using finite element techniques (Autoform). The operation consisted of a heating step, a forming step and a cooling/springback step. The material properties of the ZEK100 blank were modelled using a set of temperature- and strain rate-dependent stress-strain curves, which were derived based on a Zerilli-Armstrong constitutive model. In order to simplify the material model to enable its complex response to be represented within a commercial finite element code, the anisotropy of the magnesium sheet was approximated using a Banabic-2005 yield surface and yield asymmetry was neglected, a reasonable approach for warm forming. Necking was predicted using a set of forming limit curves obtained at different isothermal temperatures. The entire forming model was run at a punch speed of 160 mm/s, and two initial blank temperatures: 215 and 230 °C. The tooling was initially at room temperature. The model predicted that the blank cracked when its initial temperature was 215 °C due to excessive cooling. The best formability (lack of wrinkling and necking) was predicted when the blank was heated to 230 °C. These predictions agree well with the forming trial outcomes.

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: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,014

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 technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,021
Tête enseignante GPT0,222
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 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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIOP Conference Series Materials Science and EngineeringMême sujetMagnesium Alloys: Properties and ApplicationsTravaux en français237 207