MétaCan
Menu
Retour à la cohorte
Enregistrement W4393386008 · doi:10.1115/1.4065224

A Novel Physics-Based Model for Predicting Melt Pool Dimensions in Laser Powder Bed Fusion Process

2024· article· en· W4393386008 sur OpenAlexaff
Mohammad Parsazadeh, Hadiseh Ebrahimi, Mohammadmehdi Shahzamanian Sichani, Narendra B. Dahotre

Notice bibliographique

RevueJournal of Manufacturing Science and Engineering · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing Materials and Processes
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésDimensionless quantityFusionScalingMaterials sciencePython (programming language)Selective laser meltingProcess (computing)MechanicsThermodynamicsMathematicsGeometryMicrostructureComputer sciencePhysicsComposite material

Résumé

récupéré en direct d'OpenAlex

Abstract This paper employed a scaling analysis to represent the processing parameters, affecting the melting process in the dimensionless numbers, identify the relationships of these dimensionless numbers, and develop semi-empirical correlations to predict the width and depth of the melt pool. To develop the correlations, Ti-6Al-4V powder was used to print 38 tracks at various processing conditions. The correlations were then fit into this experimental data using python code to find the constants of the correlations. The correlations were then used to predict the depth and width of the melt pools. It was found that the mean discrepancy between the predicted melt pool dimensions and the experiment is 7%. To evaluate the accuracy of the correlation in predicting the melt pool dimensions of the materials never used during the development of the correlations, the melt pool depth of some tracks made out of stainless steel 316L printed at various conditions was predicted using the model, and it was found that the mean discrepancy between the predicted melt pool depth and experiment is 11%.

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)0,001
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: Empirique
Score de désaccord entre enseignants0,327
Score d'incertitude au seuil0,635

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,001
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 Opus0,014
Tête enseignante GPT0,238
Écart entre enseignants0,224 · 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

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Manufacturing Science and EngineeringMême sujetAdditive Manufacturing Materials and ProcessesTravaux en français237 207