MétaCan
Menu
Retour à la cohorte
Enregistrement W4386629369 · doi:10.3390/engproc2023043008

Surface Roughness Studies on F357 Aluminum Alloy Fabricated Using Laser Powder Bed Fusion Process

2023· article· en· W4386629369 sur OpenAlexaff
Jaskaranpal Singh Dhillon, Su Su, Oscar Sanchez Mata, T. S. Ramakrishnan, Mathieu Brochu

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing Materials and Processes
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceSurface roughnessAlloyCube (algebra)Surface finishAluminiumFusionLaserMetallurgyScanning electron microscopeComposite materialOpticsGeometry

Résumé

récupéré en direct d'OpenAlex

Aluminum alloys processed using laser powder bed fusion are attracting industrial and research efforts striving to achieve the lightweighting potential and combination of good mechanical and corrosion properties. In this study, border parameter optimization for F357 (AlSi7Mg) alloy processed using LPBF was performed with the aim of reducing the as-fabricated surface roughness. The optimization revealed that laser power and scanning speed can significantly influence the surface roughness of cube vertical surfaces. Measured areal average surface roughness (Sa) for cube samples varied from 15 to 24 µm. The cube-based optimized parameters were used to fabricate angled wall samples with angles ranging from 45° to 90°. The surface roughness reduced when the built angle increased from 45° to 75°, while for 75–90°, the surface roughness values remained constant.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,879
Score d'incertitude au seuil0,838

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 Opus0,047
Tête enseignante GPT0,294
Écart entre enseignants0,248 · 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

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdditive Manufacturing Materials and ProcessesTravaux en français237 207