Process Parameters Optimization for GMA Welding of AISI 1008 Steel Joints for Optimal Tensile Strength
Notice bibliographique
Résumé
Parameters optimization has become a gateway to achieving quality welds with improved properties desirable for construction and industrial applications. The complex interaction of welding input parameters requires process optimization to achieve optimal responses (s). This study reports the optimization of input parameters for Gas Metal Arc Welding (GMAW) for optimal ultimate tensile strength in AISI 1008 steel joints. Three levels of arc voltage, welding current, and gas flow rate were selected as input parameters, while the targeted output response is the ultimate tensile strength. Taguchi’s method with an L-9 orthogonal matrix was adopted for the process optimization. The MINITAB 17 software was used to analyze the response through analysis of variance and signal-to-noise ratio. The result revealed that the parameter settings for optimal tensile strength for the GMA welding of 6 mm thick AISI 1008 steel joint are arc voltage set at 30 V, current at 180 A, and gas flow rate set at 17 L/mm. The analysis of variance showed that the arc voltage had the most significant influence on the ultimate tensile strength with a 39.76% contribution, followed by the gas flow rate with 31.15%, while the welding current had 6.28% contributions. The surface plots show that a lower-level voltage, higher-level welding current, and higher-level gas flow rate favoured maximum ultimate tensile strength.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».