Modelling and optimizing surface roughness and MRR in electropolishing of AISI 4340 low alloy steel in eco-friendly NaCl based electrolyte using RSM
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Electropolishing (EP) is a reliable post-processing method of the drilled metals for achieving a high-quality surface finish with an appropriate material removal rate. This process has many applications due to its advantages such as improving the surface quality by removing the surface peaks on a micro-scale. The aim of most attempts on this process is setting up the optimum parameters to obtain maximum Material Removal Rate (MRR) with minimum surface roughness. In the present wo k, electropolishing of AISI 4340 low alloy steel immersed in eco-friendly NaCl solution has been studied numerically and experimentally. So, primarily a simulation model was developed for the EP process on cylinder parts in COMSOL Multiphysics which was validated with experimental approaches. The results revealed that the numerical model would be convenient for EP. The experiments were performed using Response Surface Methodology (RSM) to evaluate the effect of input variables on the responses. The effects of input variables electrolyte temperature, current intensity, and primary gap were investigated on the outputs MRR and surface roughness at five levels. Based on the results, the electrolyte temperature and current intensity were more effective parameters on the outputs. Results of ANOVA and regression analysis approach revealed that by increasing the current and electrolyte temperature, the MRR increases correspondingly and surface roughness declines and the primary gap has a reverse effect on the MRR. Finally, by performing a multi-objective optimization using Derringer’s desirability approach, the EP of AISI 4340 with an eco-friendly NaCl solution was optimized.
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.
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 découle