MétaCan
Menu
Retour à la cohorte
Enregistrement W4377019212 · doi:10.1088/1757-899x/1281/1/012019

Enhancement of a quasi-analytical solution for modelling additive manufacturing processes

2023· article· en· W4377019212 sur OpenAlexaff
Shaun Cooke, Chad W. Sinclair, Daan M. Maijer

Notice bibliographique

RevueIOP Conference Series Materials Science and Engineering · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing Materials and Processes
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésFinite element methodThermal conductionHeat transferRange (aeronautics)ThermalScale (ratio)Process (computing)Latent heatComputer scienceMechanical engineeringApplied mathematicsMaterials scienceMechanicsThermodynamicsMathematicsPhysicsEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract Numerical modelling methods (e.g. finite element) can provide accurate descriptions of long-range temperature fields in laser or electron-beam melting processes, however the high computational costs at part-scale make them unsuitable for process modelling in additive manufacturing (AM). Alternative methods such as semi-analytical solutions based on a moving heat source reduce the computational expense but at the cost of unrealistic assumptions. Radiation, temperature-dependent physical properties and latent heat are not considered in the semi-analytical approach but can have a significant effect on the thermal history. In this study, the error associated with each of these contributions are assessed against the conduction-only semi-analytical solution for a range of processing parameters for surface melting on solid Ti-6Al-4V. The semi-analytical model is then “enhanced” using results from finite element simulations to better account for the heat transfer in the AM 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 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 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 enseignants0,104
Score d'incertitude au seuil0,840

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,030
Tête enseignante GPT0,237
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 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 revueIOP Conference Series Materials Science and EngineeringMême sujetAdditive Manufacturing Materials and ProcessesTravaux en français237 207