MétaCan
Menu
Retour à la cohorte
Enregistrement W4389148042 · doi:10.4028/p-wdkm4m

High Energy Density Welding of IN792 Ds Superalloy

2023· article· en· W4389148042 sur OpenAlexaff
G. Barbieri, Francesco Cognini, Chiara de Crescenzo, Alessandra Fava, Massimo Moncada, Roberto Montanari, M. Richetta, Alessandra Varone

Notice bibliographique

RevueKey engineering materials · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing Materials and Processes
Établissements canadiensCentre Casa
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceSuperalloyWeldingMetallurgyElectron beam weldingHeat-affected zoneMicrostructureLaser beam weldingComposite materialCathode rayElectron

Résumé

récupéré en direct d'OpenAlex

Ni base superalloys are commonly employed in the industrial fields of aerospace, automotive and energy production due to their excellent mechanical properties and corrosion resistance at high temperature. Superficial defects and cracks may occur during both manufacturing process of components and their service life. High energy density welding techniques, electron beam (EBW) and laser beam (LBW) welding, can be used to create efficient repairs. Joints, obtained by EBW and LBW of IN792 directionally solidified (DS) superalloy, have been investigated to determine the presence of defects, and evaluate the mechanical properties related to specific microstructural features. The results showed that a pre-heating temperature (PHT) higher than 200 °C is always necessary to prevent the formation of hot cracks in the molten zone (MZ) and heat affected zone (HAZ). The process parameters have been optimized to get a good quality of the seams (lack of macro-defects, a good penetration depth and width). Some preliminary test of post-welding heat treatments (PWHTs) have been investigated to homogenize as far as possible the microstructure and the mechanical properties across the seams. The results obtained by the two techniques, EBW and LBW, have been compared and discussed.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,007
Tête enseignante GPT0,173
Écart entre enseignants0,167 · 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 source (Gemma direct ou Codex distillé), 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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKey engineering materialsMême sujetAdditive Manufacturing Materials and ProcessesTravaux en français237 207