Process Variable Optimization of Cold Metal Transfer Technique in Cladding of Stellite-6 on AISI 316 L Alloy Using Grey Relational Analysis (GRA)
Notice bibliographique
Résumé
In this work, an attempt was made to identify the optimised parameter combination in cold metal transfer (CMT) cladding process of AISI 316 L austenitic stainless steel. cladding process was carried out using stellite 6 filler wire. Experiments were carried out based on L31 central composite design (CCD). Cladding was done with current, Voltage, torch angle and travel speed as input parameters. Quality of the clad was analysed by measuring depth of penetration, weld area, hardness of the clad surface, corrosion rate and clad interface thickness. Grey relation analysis was used to identify the optimised parameter combination. Trial number 18 was identified as the optimised parameter combination. The optimised input parameters are Welding Current 200 Amps, Voltage 19 V, Torch Angle 70⁰ and Welding Speed 150 m/min. ANOVA was used to identify the most influencing parameters on the overall multi-objective function and it was understood that the combined effect of torch angle, travel speed had a significant influence on the clad quality. Further investigation was carried out through an optimised set of parameters. The cladding experiment was conducted and their surface was investigated through clad profile, hardness of the cladded area, interface thickness of cladding region and corrosion rate.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».