MétaCan
Menu
Retour à la cohorte
Enregistrement W4398200521 · doi:10.1080/00084433.2024.2355428

Fabrication of AlSi10Mg–AlN metal matrix composites using laser powder bed fusion technology

2024· article· en· W4398200521 sur OpenAlexafffund
J. Comhaire, I.W. Donaldson, D.P. Bishop

Notice bibliographique

RevueCanadian Metallurgical Quarterly · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing Materials and Processes
Établissements canadiensDalhousie University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaResearch Nova Scotia
Mots-clésFabricationMaterials scienceComposite materialFusionMetalLaserMatrix (chemical analysis)MetallurgyOptics

Résumé

récupéré en direct d'OpenAlex

AlSi10Mg has evolved to become a standard aluminium alloy utilised in additive manufacturing (AM), owing to a robust response to processing and desirable properties such as a high-strength-weight ratio. Despite these promising traits, the stiffness, thermal conductivity, and thermal stability of AM AlSi10Mg remain inadequate for certain applications. In an effort to bolster performance in these areas, coupling the alloy with controlled levels of ceramic particulate is under investigation. Specifically, research on the incorporation of aluminium nitride (AlN) additions and how these influence the processability of AlSi10Mg in the context of laser powder bed fusion has been considered. Using a design of experiments (DOE) approach, the effects of AlN concentration, laser power, scan speed, and hatch spacing on final part density were studied. The optimal range of VED was determined to be 60–80 J/mm3 for all chemistries considered. However, the presence of AlN was found to reduce as-built density as the ceramic concentration increased. AlN remained largely unaffected by laser irradiation.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,341
Score d'incertitude au seuil1,000

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)0,0010,000

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 Opus0,009
Tête enseignante GPT0,228
Écart entre enseignants0,219 · 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.

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

Citations3
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Metallurgical QuarterlyMême sujetAdditive Manufacturing Materials and ProcessesTravaux en français237 207