MétaCan
Menu
Retour à la cohorte
Enregistrement W4312568271 · doi:10.1115/msec2022-85323

A Numerical Study on the Powder Flowability, Spreadability, Packing Fraction in Powder Bed Additive Manufacturing

2022· article· en· W4312568271 sur OpenAlexaff
Yeasir Mohammad Akib, Ehsan Marzbanrad, Farid Ahmed, Jianzhi Li

Notice bibliographique

RevueVolume 1: Additive Manufacturing; Biomanufacturing; Life Cycle Engineering; Manufacturing Equipment and Automation; Nano/Micro/Meso Manufacturing · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing and 3D Printing Technologies
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceAngle of reposeComposite materialAtomic packing factorDeposition (geology)Powder coatingFusionParticle (ecology)Layer (electronics)Metal powderDiscrete element methodMetallurgyCoatingCrystallographyMechanicsChemistry

Résumé

récupéré en direct d'OpenAlex

Abstract The powder bed fusion (PBF) process is widely adopted in many manufacturing industries because of its capability to 3D print complex parts with micro-scale precision. In PBF process, a thermal energy source is used to selectively fuse powder particles layer by layer to build a part. The build quality in the PBF process primarily depends on the thermal energy deposition and properties of the powder bed. Powder flowability, powder spreading, and packing fraction are key factors that determine the properties of a powder bed. Therefore, the study of these process parameters is essential to better understand the PBF process. In our study, we developed a two-dimensional powder bed model using the granular package of the LAMMPS molecular dynamics simulator. Cloud-based deposition was adopted for pouring powder particles on the powder bed. The spreading of particles over the substrate was mimicked like a powder bed system. The powder flowability in the proposed study was analyzed by varying the particle size distribution. The simulation results showed that a greater number of larger particles in a power sample results in an increase in the Angle of Repose (AOR) which ultimately affects the flowability. Two different kinds of recoater geometry were considered in this study: circular and rectangular blades. Simulation results showed that depending on the recoater shape there is a change in the packing fraction in the powder bed. Cross-sectional analysis of the power bed showed a significant presence of voids when a greater number of larger particles existed in the powder batch. The packing fraction of the powder bed was found to be a strong function of particle size distribution. These analyses help understand the influence of particle size and recoater shape on the powder bed properties. Findings from this study help to provide a guideline for choosing particle size distribution if the spherical particles are considered. While the present study focuses on the spherical powder particles, the proposed system can also be adapted to the study of powder bed with aspherical particles.

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)0,000
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,012
Tête enseignante GPT0,219
Écart entre enseignants0,207 · 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'étudeSimulation ou modélisation
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

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVolume 1: Additive Manufacturing; Biomanufacturing; Life Cycle Engineering; Manufacturing Equipment and Automation; Nano/Micro/Meso ManufacturingMême sujetAdditive Manufacturing and 3D Printing TechnologiesTravaux en français237 207