Experimental investigation of effective parameters on productivity improvement of the EDM process for corrosion resistant metals
Notice bibliographique
Résumé
Abstract Inconel 625 superalloy and stainless steel 304 are known for their significant corrosion resistance along with their high hardness and strength. Therefore, they are used in a wide range of industries, including oil and gas, nuclear, etc. Electrical discharge machining is among the most widely used processes for machining of these metals. However, this process has limitations, such as low material removal efficiency, high surface roughness, and the formation of a recast layer. Therefore, in this study, the effective parameters on increasing the material removal efficiency and reducing recast layer thickness are investigated. These parameters include the dielectric fluid, electrode material, discharge current, and pulse duration. After performing the test matrix, the effect of each of the input parameters on the material removal rate, surface roughness and thickness of the recast layer is evaluated using the ANOVA method. The results of this analysis showed that the type of dielectric fluid and the presence of silver oxide nanoparticles have a significant effect on output variables. When using sunflower oil fluid containing nanoparticles and the silver electrode, the recast layer and surface roughness are reduced, while the average material removal rate increases by 40% compared to the traditional mode. Also, due to the biodegradability of deionized water and sunflower oil fluids, the environmental sustainability of the process in this study is increased and while increasing productivity, it leads to the sustainable development of the EDM process.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».