MétaCan
Menu
Retour à la cohorte
Enregistrement W3165089821 · doi:10.3390/ma14112799

Investigation of the Wear Performance of TiB2 Coated Cutting Tools during the Machining of Ti6Al4V Alloy

2021· article· en· W3165089821 sur OpenAlexaff
Mohammad Shariful Islam Chowdhury, Bipasha Bose, German Fox‐Rabinovich, Stephen C. Veldhuis

Notice bibliographique

RevueMaterials · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueMetal and Thin Film Mechanics
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceMachiningCoatingTribologyDelamination (geology)Titanium alloyMetallurgyAlloyCarbideTool wearCutting toolEnhanced Data Rates for GSM EvolutionComposite material

Résumé

récupéré en direct d'OpenAlex

The machining of Ti6Al4V alloy, especially at low cutting speeds, is associated with strong Built-Up Edge (BUE) formation. The PVD coatings applied on cutting tools to machine such materials must have the necessary combination of properties to address such an underlying wear mechanism. The present work investigates and shows that TiB2 PVD coating can be designed to have certain mechanical properties and tribological characteristics that improve machining in cases where BUE formation is observed. Three TiB2 coatings were studied: one low hardness coating and two high hardness coatings with varied coating thicknesses. Wear performances for the various TiB2 coated carbide tools were evaluated while rough turning Ti6Al4V. Tool wear characteristics were evaluated using tool life studies and the 3D wear volume measurements of the worn surface. Chip morphology analyses were done to assess the in-situ tribological performance of the coatings. The micro-mechanical properties of the coatings were also studied in detail to co-relate with the coatings’ performances. The results obtained show that during the rough turning of Ti6Al4V alloy with intensive BUE formation, the harder TiB2 coatings performed worse, with coating delamination on the rake surface under operation, whereas the softer version of the coating exhibited significantly better tool life without significant coating failure.

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 enseignants0,007
Score d'incertitude au seuil0,189

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 savante0,0000,000
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 Opus0,018
Tête enseignante GPT0,183
Écart entre enseignants0,165 · 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

Citations32
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMaterialsMême sujetMetal and Thin Film MechanicsTravaux en français237 207