MétaCan
Menu
Retour à la cohorte
Enregistrement W4281562759 · doi:10.1016/j.matdes.2022.110779

Review of high-strength aluminium alloys for additive manufacturing by laser powder bed fusion

2022· article· en· W4281562759 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueMaterials & Design · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing Materials and Processes
Établissements canadiensRio Tinto (Canada)
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceAluminiumMetallurgyMechanical strengthAlloyAluminium alloyCrackingComposite material

Résumé

récupéré en direct d'OpenAlex

Laser powder bed fusion (LPBF) is one of the major additive manufacturing techniques that industries have adopted to produce complex metal components. The scientific and industrial literature from the past few years reveals that there is a growing demand for the development of high-strength aluminium alloys for LPBF. However, some major challenges remain for high-strength aluminium alloys, especially in relation to printability and the control of defects. Possible strategies that have been identified to achieve high strength with printability include the adaptation of existing high-strength cast and wrought alloys to LPBF, the design of new alloys specifically for LPBF, and the development of aluminium-based composites to achieve unique combinations of properties and processability. Whilst review papers exist for aluminium alloys in general for the related work up to 2019, the purpose of this paper is to review the latest developments related to high-strength aluminium alloys for LPBF up to early 2022, including alloy and process design strategies to achieve high strength without cracking. It aims to provide fresh insights into the current state-of-the-art based on a review of extensive yield strength data for a wide spectrum of aluminium alloys and tempers that have been studied and/or commercialised for LPBF.

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.

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 candidatesMéta-épidémiologie (sens strict), Charge 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 enseignants0,238
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)0,0010,000
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)0,0080,000

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 Opus0,013
Tête enseignante GPT0,217
Écart entre enseignants0,204 · 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