MétaCan
Menu
Retour à la cohorte
Enregistrement W4210775178 · doi:10.3390/ma15030916

Effect of Intermetallics and Drill Materials on the Machinability of Al-Si Cast Alloys

2022· article· en· W4210775178 sur OpenAlexaff
Yasser Zedan, G. H. Garza-Elizondo, Mahmoud Tash, A. M. Samuel, H. W. Doty, Victor Songméné, F. H. Samuel

Notice bibliographique

RevueMaterials · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueAluminum Alloy Microstructure Properties
Établissements canadiensUniversité du Québec à ChicoutimiÉcole de Technologie Supérieure
Organismes subventionnairesnon disponible
Mots-clésMachinabilityAlloyMaterials scienceIntermetallicMetallurgyHomogeneity (statistics)Hardening (computing)DrillComposite materialMachiningLayer (electronics)

Résumé

récupéré en direct d'OpenAlex

The present study was conducted on the machinability of 396 alloy (containing approximately 11% Si) and B319.2 alloy mainly to emphasize the effects of Fe-intermetallics, i.e., α-Fe, β-Fe, and sludge. The results demonstrate that the presence of sludge in the form of hard spots has a significant effect on cutting forces and tool life, in that it decreases drill life by 50% compared to the base alloy. The formation of the α-Fe phase in the M1 base alloy has a beneficial effect on tool life in that this alloy produces the highest number of holes drilled compared to alloys containing sludge or β-Fe; this result may be explained by the fact that the formation of the α-Fe intermetallic, with its rounded Chinese script morphology and its presence within α-Al dendrites, is expected to improve matrix homogeneity via hardening of the soft α-Al dendrites. Increasing the Fe-content from 0.5% to 1% in the 396-T6 alloy containing 0.5% Mn produces a distinct improvement in alloy machinability in terms of cutting force and tool life. The addition of Fe and/or Mn appears to have no discernible effect on the build-up edge area (BUE) and chip shape.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,002
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,005
Tête enseignante GPT0,199
Écart entre enseignants0,194 · 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 tête enseignante, pas un consensus.

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

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMaterialsMême sujetAluminum Alloy Microstructure PropertiesTravaux en français237 207