MétaCan
Menu
Retour à la cohorte
Enregistrement W3186428532 · doi:10.32393/csme.2021.61

Laser Additive Manufacturing Of High Reflectivity Aluminium Alloys

2021· article· en· W3186428532 sur OpenAlexaff
Sagar Patel, Haoxiu Chen, Yu Zou, Mihaela Vlasea, Kevin Slattery, John Barnes

Notice bibliographique

RevueProgress in Canadian Mechanical Engineering. Volume 4 · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing and 3D Printing Technologies
Établissements canadiensUniversity of TorontoUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésAluminiumMaterials scienceReflectivityMetallurgyLaserOptoelectronicsOpticsPhysics

Résumé

récupéré en direct d'OpenAlex

As metal additive manufacturing (AM) technologies are increasingly adopted for end-use products, the bank of materials manufactured by this technology are bound to grow at a rapid rate. AM is often deployed as it enables the ability to manufacture components with high geometric complexity and has the potential to reduce cost and lead times. Ultimately, there is a potential to locally tailor material properties from the microscale to the macroscale using this approach. The AM of each material comes with its own set of challengesthe most common issues being porosity and residual stresses due to the localized thermal loads, particularly for the laser powder bed fusion (LPBF) AM technology, which currently has the highest industrial uptake. The issue of porosity in particularly critical for the automotive, aerospace, and defense industries wherein aluminium (Al) alloys are commonly used. Aluminium alloys commonly contain highly volatile elements, which when interacting with the low beam spot sizes (<100 m) of most common LPBF systems are very easily vaporized, leading to multiple issues such as porosity and cracks in the final printed part. In this work, a combination of physics-driven LPBF processing diagrams, beam path planning, and advanced material characterization equipment including X-ray computed tomography and surface profilometry are used to understand the effect of laser power, scan speed, and beam spot radius on the porosity of two aluminium alloys -AlSi10Mg and Scalmalloy , with reported densities >99.98%. Additionally, the influence of the LPBF processing parameters on microstructure of these alloys and thereby on the surface roughness and mechanical properties such as hardness and tensile strength is highlighted.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,008
Tête enseignante GPT0,213
Écart entre enseignants0,205 · 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 source (Gemma direct ou Codex distillé), 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

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProgress in Canadian Mechanical Engineering. Volume 4Même sujetAdditive Manufacturing and 3D Printing TechnologiesTravaux en français237 207