MétaCan
Menu
Retour à la cohorte
Enregistrement W4385594978 · doi:10.51983/ajeat-2013.2.2.688

Improvement in Hardness of LM-6 Aluminum Alloy Green Sand Castings by Taguchi Method

2013· article· en· W4385594978 sur OpenAlexaff
Ravneet Kumar, Chandandeep S. Grewal

Notice bibliographique

RevueAsian Journal of Engineering and Applied Technology · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueAluminum Alloy Microstructure Properties
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésFinenessTaguchi methodsSand castingMetallurgyMaterials scienceCastingAlloyAluminiumOrthogonal arrayRockwell scaleCoalBentoniteGrain sizeComposite materialMoldEngineeringWaste managementGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

The green sand casting is most widely and economically used method for past years. The quality of castings and parameters control is very important. With increasing demand for high-quality castings with close tolerances, an attempt has been made in this study to get the optimal setting of the main parameters to improve the hardness of LM-6 Aluminum alloys castings in green sand casting. Five main parameters namely Bentonite clay, Grain fineness no., Moisture, Pouring temperature and Coal dust were identified. The effects of the selected process parameters on the hardness and the subsequent optimal settings of the parameters have been accomplished using Taguchi’s method. L8 (27) orthogonal arrays have been selected and experiments were conducted as per experimental plan given in this array. The results indicate that all the parameters except grain fineness no and coal dust are affecting both the average and variability significantly in the hardness of LM-6 Aluminum alloys castings. The confirmatory experiments have shown improvement in Rockwell hardness to be 6.9%.

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 enseignants0,048
Score d'incertitude au seuil0,786

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 savante0,0000,000
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 Opus0,003
Tête enseignante GPT0,176
Écart entre enseignants0,173 · 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

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Journal of Engineering and Applied TechnologyMême sujetAluminum Alloy Microstructure PropertiesTravaux en français237 207