MétaCan
Menu
Retour à la cohorte
Enregistrement W4388661171 · doi:10.3390/ma16227157

Experimental Investigation on Machinability of α/β Titanium Alloys with Different Microstructures

2023· article· en· W4388661171 sur OpenAlexafffund
Shimaa El‐Hadad, Ayman Elsayed, Bin Shi, Helmi Attia

Notice bibliographique

RevueMaterials · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced machining processes and optimization
Établissements canadiensMcGill UniversityNational Research Council Canada
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaAcademy of Scientific Research and Technology
Mots-clésMachinabilityMaterials scienceMicrostructureMartensiteMetallurgyMartensitic stainless steelMachiningSurface roughnessSurface finishTool wearTitanium alloyLayer (electronics)TitaniumPhase (matter)Deformation (meteorology)Composite material

Résumé

récupéré en direct d'OpenAlex

In the current study, Ti-6Al-4V (Ti64) and Ti-6Al-7Nb (Ti67) alloys were prepared by vacuum arc melting. The produced samples were then subjected to different heat treatment regimes. The evolved microstructures and their corresponding hardness were investigated. Computerized drilling tests using TiAlN-coated high-speed steel bits were performed to assess the machinability of the prepared specimen regarding cutting force, tool wear, and thickness of the deformed layer. It was observed that Ti64 specimens that were water quenched from either α/β or β range contained martensitic phase. In Ti67, samples showed martensite only when water quenched from the β-phase range (1070 °C). Formation of martensite resulted in higher hardness and hence led to higher cutting forces and increased tool wear during the drilling process. Machined samples with higher hardness formed a thicker subsurface deformation area (white layer) and increased burr heights. Surface roughness in Ti64 workpieces was generally higher compared to Ti67 specimens. The coat of the drilling bit was partially attacked in the as-cast specimens, which was evident by elemental N on the machining chips. The machining tool deteriorated further by increasing the workpiece hardness through martensitic formation, where elements such as Cr, V, Fe, etc. that came from the tool steel were detected.

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 enseignants0,057
Score d'incertitude au seuil0,271

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 Opus0,011
Tête enseignante GPT0,228
Écart entre enseignants0,217 · 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

Citations6
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMaterialsMême sujetAdvanced machining processes and optimizationTravaux en français237 207