MétaCan
Menu
Retour à la cohorte
Enregistrement W4393261356 · doi:10.18280/mmep.110316

Effect of Friction Stir Spot Welding with a Rotating Anvil on the Microstructure of Aluminum AA6061-T4 Alloy

2024· article· en· W4393261356 sur OpenAlexvenueno aff
Salam O. Dahi, Ahmed Ali A. Al-Shawk, Hussein Al-Gburi

Notice bibliographique

RevueMathematical Modelling and Engineering Problems · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Welding Techniques Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMicrostructureSpot weldingAluminiumAlloyMaterials scienceMetallurgyWeldingFriction stir welding

Résumé

récupéré en direct d'OpenAlex

Friction Stir Spot Welding (FSSW) has emerged as a promising alternative to traditional riveting in the automotive industry.In this study, we explore the application of doublesided FSSW, a solid-state joining method, as an innovative approach to overcome the limitations of conventional resistance spot welding.Our focus is on welding 2 mm thick sheets of aluminum alloy AA6061-T4.To improve the strength and quality of welded joints, we employed the double-sided FSSW technique, which utilizes a revolving anvil and a pin-less tool.This approach not only enhances the tensile strength of the connections but also mitigates potential defects such as keyholes.Intriguingly, our numerical analysis reveals the complexity of material flow between the rotating anvil and the pin-less tool during the welding process.This complexity underscores the suitability of using a rotating anvil and a pin-less tool in FSSW operations, particularly when welding larger sheets.In conclusion, our study underscores the potential of double-sided FSSW with a rotating anvil and pin-less tool for achieving robust weld connections in the context of aluminum alloy AA6061-T4.These findings contribute to the ongoing efforts to advance solid-state joining methods in the automotive industry, offering a more efficient and reliable alternative to traditional riveting.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,562
Score d'incertitude au seuil0,591

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 Opus0,008
Tête enseignante GPT0,206
Écart entre enseignants0,198 · 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'étudeSimulation ou modélisation
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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMathematical Modelling and Engineering ProblemsMême sujetAdvanced Welding Techniques AnalysisTravaux en français237 207