MétaCan
Menu
Retour à la cohorte
Enregistrement W3111954232 · doi:10.3390/jmmp4040119

Laser Powder Bed Fusion with Intentionally-Seeded Porosity for Prototyping of Powder Metallurgy Parts

2020· article· en· W3111954232 sur OpenAlexafffund
Morgan Letenneur, Pete Imbrogno, Amin Molavi-Kakhki, Vladimir Braïlovski

Notice bibliographique

RevueJournal of Manufacturing and Materials Processing · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing Materials and Processes
Établissements canadiensRio Tinto (Canada)École de Technologie Supérieure
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMicrostructureMaterials sciencePorosityPowder metallurgyFusionScanning electron microscopeMetallurgyUltimate tensile strengthRapid prototypingNear net shapeComposite material

Résumé

récupéré en direct d'OpenAlex

Laser powder bed fusion (LPBF) additive manufacturing technology was used to produce functional prototypes of powder metallurgy (PM) components from high carbon content, iron-based water-atomized powders. The melt pool modeling and design of experiment approaches were combined in order to determine the LPBF operation window allowing to print parts with components similar to the PM in terms of density, microstructure and mechanical properties. The size, morphology and distribution of processing-induced pores were evaluated using computed tomography, while a microstructure analysis was carried out using X-ray diffraction and scanning electron microscopy, and the mechanical properties were evaluated using tensile and unnotched Charpy testing. It was demonstrated that LPBF technology could effectively be used for the just-in-time manufacture of high-fidelity functional prototypes of PM parts from iron-based powders.

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 enseignants0,071
Score d'incertitude au seuil0,726

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,017
Tête enseignante GPT0,218
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 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

Citations6
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Manufacturing and Materials ProcessingMême sujetAdditive Manufacturing Materials and ProcessesTravaux en français237 207