MétaCan
Menu
Retour à la cohorte
Enregistrement W3035051373 · doi:10.1088/1757-899x/861/1/012030

Modelling of an industrial die casting process for the production of aluminum automotive parts

2020· article· en· W3035051373 sur OpenAlexaff
Jun Ou, C Wei, Daan M. Maijer, Steve Cockcroft, L A, Y Zhang, Z Chen, Zhihua Zhu

Notice bibliographique

RevueIOP Conference Series Materials Science and Engineering · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueAluminum Alloy Microstructure Properties
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésAutomotive industryDie castingDie (integrated circuit)Manufacturing engineeringProcess (computing)TroubleshootingEngineeringCastingMechanical engineeringProduction (economics)Process engineeringAutomotive engineeringComputer scienceMaterials scienceMetallurgyReliability engineering

Résumé

récupéré en direct d'OpenAlex

Abstract Die (permanent) casting is one of the major manufacturing processes for aluminum automotive parts thanks to its ability to provide a good balance between mechanical performance and production efficiency. In the die casting industry, computational modelling has been widely adopted to analyze, troubleshoot and optimize die design and process parameters. In this work, a computational modelling methodology including key process boundary conditions and material properties has been developed to simulate an industrial die casting process of an aluminum automotive part. It has been demonstrated that the model is accurate and robust with respect to temperature and defect prediction by comparison with a large amount of high-quality plant-trial data. The data was acquired from an in-house designed data acquisition system (DAQ) connected to an instrumented die and industrial production equipment in a production facility.

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 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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,127
Score d'incertitude au seuil0,489

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 savante0,0000,001
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 Opus0,065
Tête enseignante GPT0,227
Écart entre enseignants0,162 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations7
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIOP Conference Series Materials Science and EngineeringMême sujetAluminum Alloy Microstructure PropertiesTravaux en français237 207