An effective statistical approach to determine the most contributing process parameters on the surface roughness quality of hastelloy X components made by laser powder-bed fusion
Notice bibliographique
Résumé
One of the main challenges in laser powder-bed fusion (LPBF) of metal powders is to determine the correlation between the key process parameters and physical properties of the produced components. Additionally, unlike conventional manufacturing processes, LPBF, as one of the many additive manufacturing processes, involves a large number of process parameters hindering the use of conventional factorial design approaches for optimization. In this paper, a modified Plackett-Burman method supported by an experimental analysis is proposed to identify the most significant parameters on the surface roughness quality of the LPBF-made Hastelloy X coupons using an EOS 290 machine. Among more than 100 process parameters, 23 parameters are chosen for this study including laser power and speed for core, skin and contour scans as well as layer thickness, geometry, orientation, location, etc. The surface roughness values (Sq) are measured using a confocal microscope (VK-X250, Keyence, Japan). Then, the roughness measurements are statistically analyzed in Minitab® to determine the most significant process parameters affecting the roughness of the LPBF printed samples. Results of the statistical approach show that the skin thickness, geometry, and layer thickness are the most significant parameters affecting the surface roughness of Hastelloy X components made by the LPBF process.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».