MétaCan
Menu
Retour à la cohorte
Enregistrement W3025018393 · doi:10.1016/j.cirp.2020.04.040

Physics-based approach for predicting dissolution‒diffusion tool wear in machining

2020· article· en· W3025018393 sur OpenAlexaff
Amir Malakizadi, Bin Shi, Philipp Hoier, Helmi Attia, Peter Krajnik

Notice bibliographique

RevueCIRP Annals · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced machining processes and optimization
Établissements canadiensMcGill UniversityNational Research Council Canada
Organismes subventionnairesNanoscience and Nanotechnology Area of Advance, Chalmers Tekniska HögskolaChalmers Tekniska HögskolaNational Research Centre
Mots-clésMachiningDissolutionCarbideMaterials scienceDiffusionNonlinear systemTool wearMechanical engineeringMetallurgyEngineeringThermodynamicsPhysicsChemical engineering

Résumé

récupéré en direct d'OpenAlex

A new approach is proposed to predict the thermally-activated dissolution-diffusion wear of carbide tools. Departing from the iterative procedure used for such nonlinear processes, a direct response surface approach that correlates the cutting conditions and wear level to the interface temperature is presented. For prediction of wear evolution, a calibrated thermodynamic model that describes chemical interaction between the tool and workpiece materials is combined with the FE simulation of machining process, considering the pressure-dependent thermal constriction resistance phenomenon. The accuracy of predicting flank wear in turning C50 plain carbon steel ‒ where dissolution-diffusion wear mechanism prevails ‒ is validated experimentally.

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 enseignants0,003
Score d'incertitude au seuil0,005

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
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,036
Tête enseignante GPT0,267
Écart entre enseignants0,232 · 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

Citations26
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCIRP AnnalsMême sujetAdvanced machining processes and optimizationTravaux en français237 207