MétaCan
Menu
Retour à la cohorte
Enregistrement W4280619295 · doi:10.3390/qubs6020019

A Survey of Process Monitoring Using Computer-Aided Inspection in Laser-Welded Blanks of Light Metals Based on the Digital Twins Concept

2022· article· en· W4280619295 sur OpenAlexaff
Ahmad Aminzadeh, Sasan Sattarpanah Karganroudi, Mohammad Saleh Meiabadi, Dhanesh G. Mohan, Kadiata Ba

Notice bibliographique

RevueQuantum Beam Science · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueWelding Techniques and Residual Stresses
Établissements canadiensÉcole de Technologie SupérieureUniversité du Québec à ChicoutimiUniversité du Québec à Trois-RivièresUniversité du Québec à Rimouski
Organismes subventionnairesnon disponible
Mots-clésWeldingLaser beam weldingFixtureMechanical engineeringComputer scienceProcess (computing)LaserManufacturing engineeringProcess engineeringMaterials scienceEngineering drawingEngineeringOptics

Résumé

récupéré en direct d'OpenAlex

The benefits of laser welding include higher production values, deeper penetration, higher welding speeds, adaptability, and higher power density. These characteristics make laser welding a superior process. Many industries are aware of the benefits of switching to lasers. For example, metal-joining is migrating to modern industrial laser technology due to improved yields, design flexibility, and energy efficiency. However, for an industrial process to be optimized for intelligent manufacturing in the era of Industry 4.0, it must be captured online using high-quality data. Laser welding of aluminum alloys presents a daunting challenge, mainly because aluminum is a less reliable material for welding than other commercial metals such as steel, primarily because of its physical properties: high thermal conductivity, high reflectivity, and low viscosity. The welding plates were fixed by a special welding fixture, to validate alignments and improve measurement accuracy, and a Computer-Aided Inspection (CAI) using 3D scanning was adopted. Certain literature has suggested real-time monitoring of intelligent techniques as a solution to the critical problems associated with aluminum laser welding. Real-time monitoring technologies are essential to improving welding efficiency and guaranteeing product quality. This paper critically reviews the research findings and advances for real-time monitoring of laser welding during the last 10 years. In the present work, a specific methodology originating from process monitoring using Computer-Aided Inspection in laser-welded blanks is reviewed as a candidate technology for a digital twin. Moreover, a novel digital model based on CAI and cloud manufacturing is proposed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
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 Opus0,036
Tête enseignante GPT0,278
Écart entre enseignants0,242 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations43
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueQuantum Beam ScienceMême sujetWelding Techniques and Residual StressesTravaux en français237 207