MétaCan
Menu
Retour à la cohorte
Enregistrement W3008869636 · doi:10.3390/jmmp4010016

A Unique Methodology for Tool Life Prediction in Machining

2020· article· en· W3008869636 sur OpenAlex
Keyvan Hosseinkhani

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of Manufacturing and Materials Processing · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced machining processes and optimization
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésRakeFlankMachiningTool wearFace (sociological concept)von Mises yield criterionCalibrationFinite element methodComputer scienceFunction (biology)Materials scienceMechanical engineeringStructural engineeringMathematicsEngineeringStatistics

Résumé

récupéré en direct d'OpenAlex

In this paper, a unique approach for estimating tool life using a hybrid finite element method coupled with empirical wear rate equation is presented. In the proposed approach, the computational time was significantly reduced when compared to nodal movement technique. However, to adopt such an approach, the angle between tool’s rake and flank faces must be constant through the process and at least two cutting experiments need to be performed for empirical model calibration. It is also important to predict the sliding velocity along the tool/flank face interface accurately when using Usui’s model to predict the tool wear rate. Model validations showed that when the sliding velocity was assumed to be equivalent to the cutting speed, poor agreement between the predicted and measured wear rate and tool life was observed, especially at low cutting speed. Furthermore, a new empirical model to predict tool wear rate in the initial or break-in period as a function of Von Mises stress field was developed. Experimental validation shows that the newly developed model substantially improved the initial tool wear rate in terms of trend and magnitude.

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 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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,827
Score d'incertitude au seuil0,373

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0000,000

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 Opus0,039
Tête enseignante GPT0,269
Écart entre enseignants0,230 · 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