MétaCan
Menu
Retour à la cohorte
Enregistrement W4366572636 · doi:10.1177/09544062231166839

Study of parametric effect on laser directed energy deposited Austenitic steel and Inconel functionally graded material

2023· article· en· W4366572636 sur OpenAlexaff
Nehem Tudu, Mayuri Baruah, Shashi Bhushan Prasad, C. P. Paul, K. S. Bindra

Notice bibliographique

RevueProceedings of the Institution of Mechanical Engineers Part C Journal of Mechanical Engineering Science · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing Materials and Processes
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceScanning electron microscopeAusteniteNanoindentationIndentation hardnessInconelMetallurgyEnergy-dispersive X-ray spectroscopyInconel 625Deposition (geology)Austenitic stainless steelComposite materialOptical microscopeMicrostructureCorrosion

Résumé

récupéré en direct d'OpenAlex

In this paper, the effect of process parameter on functionally graded materials (FGMs) of Inconel 625 (IN625) and Austenitic steel (SS304L) deposited by laser directed energy deposition (LDED) are investigated. For this purpose, FGM walls of different gradient of mix of IN625 and SS304L at different layers are deposited on Austenitic steel (SS316L) substrate at different sets of process parameters. For this study, the process parameters considered are laser power ( P L ): 1000, 1300 and 1600 W, and scanning speed ( v): 0.3, 0.5 and 0.7 m/min. Deposited samples are then subjected to different tests such as energy dispersive spectroscopy (EDS), microhardness, scanning electron microscopy (SEM), X-ray diffraction (XRD), optical microscopy (OM), and nanoindentation. Tests performed on the samples revealed different effects of parameters on the deposition of the FGM wall. Based on the comparison of results of mechanical and metallurgical tests, it is observed that either at P L = 1300 W and/or v = 0.5 m/min, among the considered process parameters, show comparatively better results than the others.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,161
Score d'incertitude au seuil0,779

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,012
Tête enseignante GPT0,211
Écart entre enseignants0,199 · 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.

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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Institution of Mechanical Engineers Part C Journal of Mechanical Engineering ScienceMême sujetAdditive Manufacturing Materials and ProcessesTravaux en français237 207