Optimization of Turning Parameters of Cryogenic Soaked AZ91 Magnesium Alloy using TOPSIS coupled Taguchi Technique
Notice bibliographique
Résumé
Magnesium alloys is a lightweight material establishing scope in various fields such as aerospace and automobile. Moreover, magnesium alloys are also considered as a hydrogen storage materials. In order to understand the machining behaviour of magnesium alloy a detail research is planned. In this research the turning experiments are conducted on AZ91 magnesium alloy using the L9 orthogonal array (OA) experimental design. Technique for Order of Preference by Similarity to Ideal Solution (TOPSIS) coupled with Taguchi and Analysis of Variance (ANOVA) methods are used to analysis the experiments. The influence of cryogenic soaking duration, feed, speed and depth of cut on cutting temperature, surface roughness and cutting force were studied. Based on the TOPSIS analysis the optimal combination for the better response is cryogenic soaking time of 30 min, speed of 500 rpm, feed of 40 mm/min and depth of cut of 0.3mm. As per F value the depth of cut shows the 0.4822 and next best factors are cutting speed and feed rate. The chip analysis reveals that the cryogenic soaking duration level of 60 min is found to reduce the self-ignited chips.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».