MétaCan
Menu
Retour à la cohorte
Enregistrement W4399803342 · doi:10.5267/j.esm.2024.5.004

A brief review on industrial remanufacturing of structural and functional components: Wire-Arc Additive Manufacturing Technique

2024· review· en· W4399803342 sur OpenAlexvenueno aff
Japheth Obiko, Talent Kachomba, James Mutua, Joshua Ngoret, Samson Olaitan Jeje, Mxolisi Brendon Shongwe, Nicholus Malatji

Notice bibliographique

RevueEngineering Solid Mechanics · 2024
Typereview
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing Materials and Processes
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRemanufacturingArc (geometry)Materials scienceMechanical engineeringEngineering drawingManufacturing engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

Many industries rely heavily on the availability and reliability of complex structural and functional components to execute operations efficiently. However, failure of components during service occurs due to exposure to unfavourable operating conditions, causing wear and tear of these components. The damage will result in costly downtime and potential safety hazards. Repairing, remanufacturing and refurbishing these complex parts is critical. Restoring broken structures into operation ensures the smooth operation of the industry, thus preventing losses. Conventionally, repairing parts poses a challenge. However, Wire-arc additive manufacturing (WAAM), which employs the welding principle, has revolutionised component repairing or remanufacturing. This paper reviews the literature on manufacturing complex parts, repair, remanufacture and refurbishment of broken structural and functional parts using WAAM technology. This paper also highlights the various strategies and techniques currently used to improve the quality of WAAM 3D printed parts. The study further covers the immense potential of WAAM in revolutionising the remanufacturing and repair of components. The review study has provided a roadmap for future research and development to take full advantage of this new cutting-edge manufacturing technology.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,793
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
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 Opus0,036
Tête enseignante GPT0,262
Écart entre enseignants0,226 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEngineering Solid MechanicsMême sujetAdditive Manufacturing Materials and ProcessesTravaux en français237 207