MétaCan
Menu
Retour à la cohorte
Enregistrement W4391480505 · doi:10.1016/j.triboint.2024.109355

Influence of V concentration in TiAlSiVN coating on self-lubrication, friction and tool wear during two-pass dry turning of austenitic steel 316 L

2024· article· en· W4391480505 sur OpenAlexaff
Ch Sateesh Kumar, Gorka Urbikaín, Filipe Fernandes, Abbas AL Rjoub, Luís Norberto López de Lacalle

Notice bibliographique

RevueTribology International · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueMetal and Thin Film Mechanics
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesAgencia Estatal de InvestigaciónFundação para a Ciência e a TecnologiaEuropean Regional Development FundMinistério da Ciência, Tecnologia, Inovações e ComunicaçõesEuskal Herriko UnibertsitateaEuropean Commission
Mots-clésLubricationMaterials scienceCoatingMetallurgyAustenitic stainless steelMachiningTool wearAusteniteFlankComposite materialCorrosionMicrostructure

Résumé

récupéré en direct d'OpenAlex

The present work investigates the performance of TiAlSiVN coating with 5 and 11 at% of V concentration deposited on the Al2O3/SiC cutting tools during dry turning of austenitic 316 L stainless steel. The maximum flank wear reduction compared to the uncoated tool for coated tools with 11% and 5% V concentration was 85% and 67%, respectively. The Raman analysis indicated the formation of V2O5 in the cutting zone, which helps to reduce friction and machining forces for the coated tools. Overall, the presence of higher V content (11 at.%) enhances the self-lubrication behaviour of the TiAlSiVN coating, accounting to lower fluctuations in cutting forces, superior surface finish, and lower flank wear when compared to the TiAlSiV5N coated and uncoated cutting tools.

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 enseignants0,521
Score d'incertitude au seuil0,323

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 Opus0,006
Tête enseignante GPT0,230
Écart entre enseignants0,223 · 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

Citations18
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTribology InternationalMême sujetMetal and Thin Film MechanicsTravaux en français237 207