MétaCan
Menu
Retour à la cohorte
Enregistrement W4321368186 · doi:10.1016/j.heliyon.2023.e13882

Supersolidus liquid phase sintering of water-atomized low-alloy steel in binder jetting additive manufacturing

2023· article· en· W4321368186 sur OpenAlexaff
Mingzhang Yang, Mohsen K. Keshavarz, Mihaela Vlasea, Amin Molavi-Kakhki, Martin Laher

Notice bibliographique

RevueHeliyon · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing and 3D Printing Technologies
Établissements canadiensRio Tinto (Canada)University of Waterloo
Organismes subventionnairesnon disponible
Mots-clésSinteringMaterials sciencePowder metallurgyAlloyShrinkagePorosityIsothermal processMetallurgyLiquid phasePhase (matter)Composite material

Résumé

récupéré en direct d'OpenAlex

This work investigates the feasibility of net shape manufacturing of parts using water-atomized (WA) low-alloy steel with comparable densities to conventional powder metallurgy parts via binder jetting additive manufacturing (BJAM) and supersolidus liquid phase sintering (SLPS). In this study, a modified water-atomized powder grade with similar composition as MPIF FL-4405 was printed and pressure-less sintered under a 95% N2–5% H2 atmosphere. Combinations of two different sintering schedules (direct-sintering and step-sintering) and three different heating rates (1, 3, and 5 °C/min) were applied to study the densification, shrinkage, and microstructural evolution of BJAM parts. This study demonstrated that, although the green density of the BJAM samples was ∼42% of the theoretical density, the sintered parts experienced large linear shrinkage up to ∼25% and reached ∼97% density without compromising shape fidelity. This was ascribed to a more homogeneous pore distribution throughout the part before ramping up to the SLPS region. The synergistic effects of carbon residue, the slow heating rate, and the additional isothermal holding stage at the solid-phase sintering region were determined to be the key factors for sintering BJAM WA low-alloy steel powders with resulting minimal entrapped porosity and good shape fidelity.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,084
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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 Opus0,016
Tête enseignante GPT0,244
Écart entre enseignants0,229 · 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.

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

Citations10
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHeliyonMême sujetAdditive Manufacturing and 3D Printing TechnologiesTravaux en français237 207