MétaCan
Menu
Retour à la cohorte
Enregistrement W3159286787 · doi:10.18280/jesa.540206

Multi Objective Study on Machining Characteristics of AISI H-11 Tool Steel Prepared by Different Processing Techniques

2021· article· en· W3159286787 sur OpenAlexvenueno aff
Vignesh Margabandu, R. Ramanujam

Notice bibliographique

RevueJournal Européen des Systèmes Automatisés · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced machining processes and optimization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTaguchi methodsMachiningMaterials scienceSurface roughnessTool steelTool wearMetallurgyResponse surface methodologySurface finishOrthogonal arrayMechanical engineeringComposite materialComputer scienceEngineering

Résumé

récupéré en direct d'OpenAlex

In the current study, hard turning of AISI H11 tool steel is done using TiAlN coated cutting tool. The workpiece is prepared by three different processing conditions (Solution treated, Heat treated, Cryogenic treated). The machining performance are studied by the input parameters; cutting speed (60, 90, 120 m/min) and feed rate (0.06, 0.12, 0.18 mm/rev) with a constant depth of cut of 0.5mm using Taguchi’s L9 design. The responses like, surface quality, wear on the tool, and forces generated for all three specimens are studied. The hardness of all three components is measured using Vicker’s micro-hardness tester. The experimental results proved that feed rate is the most influential parameter in deciding, surface roughness, cutting force and tool wear. The utility concept approach is applied and found, solution treated sample with 120 m/min of cutting speed and 0.06 mm/rev of feed rate produces optimal results in all three response criterion.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,823
Score d'incertitude au seuil1,000

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 Opus0,014
Tête enseignante GPT0,266
Écart entre enseignants0,252 · 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.

Devis d'étudeAutre devis
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

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal Européen des Systèmes AutomatisésMême sujetAdvanced machining processes and optimizationTravaux en français237 207