MétaCan
Menu
Retour à la cohorte
Enregistrement W4362699247 · doi:10.3390/met13040725

Process Parameter Optimization of 2507 Super Duplex Stainless Steel Additively Manufactured by the Laser Powder Bed Fusion Technique

2023· article· en· W4362699247 sur OpenAlexafffund
Ali Mulhi, Shirin Dehgahi, Prashant R. Waghmare, Ahmed Jawad Qureshi

Notice bibliographique

RevueMetals · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing Materials and Processes
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMaterials scienceFusionKeyholePorosityLaser power scaling3D printingLaserComposite materialPower densityPower (physics)WeldingOptics

Résumé

récupéré en direct d'OpenAlex

Laser powder bed fusion is an attractive technology for producing high-strength stainless steel alloys. Among the stainless steels, 2507 super duplex stainless steel (2507 SDSS) is known for its excellent combination of corrosion resistance and high strength. Although there are some studies that aimed at optimizing the laser powder bed fusion (LPBF) printing parameters to print highly dense 2507 SDSS parts; However, a full optimization study is not reported yet. This study aims at optimizing the printing parameters for 2507 SDSS, namely: laser power, scan speed, and hatch distance. The response surface methodology was used in generating a detailed design of experiment to investigate the different pore formation types over a wide energy density range (22.22–428.87 J/mm3), examine the effects of each process parameter and their interactions on the resulting porosity, and identify an optimized parameter set for producing highly dense parts. Different process parameters showed different pore formation mechanisms, with lack-of-fusion, metallurgical or gas, and keyhole regimes being the most prevalent pore types identified. The lack-of-fusion pores are observed to decrease significantly with increasing the energy density at low values. However, a gradual increase in the keyhole pores was observed at higher energy densities. An optimal energy density process window from 68.24 to 126.67 J/mm3 is identified for manufacturing highly dense (≥99.6%) 2507 SDSS parts. Furthermore, an optimized printing parameter set at a laser power of 217.4 W, a scan speed of 1735.7 mm/s, and a hatch distance of 51.3 µm was identified, which was able to produce samples with 99.961% relative density. Using the optimized parameter set, the as-built 2507 SDSS sample had a ferrite phase fraction of 89.3% with a yield and ultimate tensile strength of 1115.4 ± 120.7 MPa and 1256.7 ± 181.9 MPa, respectively.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
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 Opus0,013
Tête enseignante GPT0,234
Écart entre enseignants0,221 · 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'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

Citations21
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMetalsMême sujetAdditive Manufacturing Materials and ProcessesTravaux en français237 207