LOAD PREDICTION ON METAL FORMING PROCESS (FORGING) USING FINITE ELEMENT METHOD.
Notice bibliographique
Résumé
Metal forming process is a widely used manufacturing process especially in high volume metal production system. In this paper, the main objective is using Bubnov-Galerkin finite element model to derive the pressure field set up at various cross-sections of a metal blank during a forging process, and the four Lagrange quadratic elements were assembled to represent the various metal blank. The governing equation adopted for this paper is a one-dimensional differential equation describing the pressures exerted on the forging process. During the analysis, the various metal blanks are divided into a finite number of elements and the weighted integral form for each element were formed after applying the Bubnov-Galerkin weighted residual method. A matrix form under certain boundary conditions from the weighted residual method were used to obtain the pressure distribution across the cross-section of the various metal blanks. Finite element results are obtained for a value of a circular disc diameter, thickness, coefficient of friction, principal stress, length, and radius of a circular material. Finite element method and the Exact solution approach are used to achieve and compare both results. Furthermore, the combination of both methods shows that there are potentials for using this approach towards the optimization of metal forming in manufacturing processes and some engineering practices. Keywords: Forging; LaGrange Interpolation Function; Bubnov-Galerkin Weighted Residual Method; Finite Element Method.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».