MétaCan
Menu
Retour à la cohorte
Enregistrement W4280506126 · doi:10.18280/rcma.320207

Experimental Estimation of Wear Behavior of Al6082 and Al7075 Alloys During Cold Forging

2022· article· en· W4280506126 sur OpenAlexvenueno aff
Seema V. Yerigeri, Shantisagar K. Biradar

Notice bibliographique

RevueRevue des composites et des matériaux avancés · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueMetallurgy and Material Forming
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésForgingMaterials scienceMetallurgyAlloyAluminiumFriction factorFriction coefficientMechanical engineeringComposite materialEngineeringMechanics

Résumé

récupéré en direct d'OpenAlex

One of the most important metal forming process includes forging. Estimating wear, coefficient of friction and frictional force on Al6082 and Al7075 alloys has become widely considerable and research factor in industries. In this paper, a mathematical model is proposed to estimate the required forging force to be applied on a pin-on-disc machine during the actual forging process. Cold forging process experiments are conducted on a pin-on-disc machine with different loads from 40N to 70N. Experiments are carried out for a time period of 5 mins at 150 rpm at temperatures such as 50℃, 100℃ and 150℃. Outcomes exhibit that the friction force fluctuates constantly with time. The experimental investigation revealed that the wear changed with temperature, and it was distinctive for various alloys. The chemical composition of aluminum can also affect the performance of Al alloys. Furthermore, it also proven that there is a decrease in the wear of Al alloys with a decrease in the real area of contact due to the formation of wear debris as well as an increase in the content of silicon and zinc that is added to form the alloy.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,073
Score d'incertitude au seuil0,627

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0000,000

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 Opus0,027
Tête enseignante GPT0,251
Écart entre enseignants0,224 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevue des composites et des matériaux avancésMême sujetMetallurgy and Material FormingTravaux en français237 207