MétaCan
Menu
Retour à la cohorte
Enregistrement W4399827438 · doi:10.21926/rpm.2402013

The Effect of Rake Angle and Cutting Edge Radius on the Orthogonal Cutting Process of Ti6Al4V Alloy

2024· article· en· W4399827438 sur OpenAlexaff
Mohammed Mustafa, Salman Pervaiz, Ibrahim Deiab

Notice bibliographique

RevueRecent Progress in Materials · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced machining processes and optimization
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésRake angleEnhanced Data Rates for GSM EvolutionTitanium alloyRADIUSMaterials scienceAlloyProcess (computing)RakeMetallurgyMechanical engineeringComputer scienceEngineeringMachiningArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

This paper investigates the effect of rake angle, α, cutting edge radius, r, and feed rate, f, on the cutting force and cutting zone temperature during orthogonal dry cutting of Ti6Al4V. A numerical model representative of the 2D orthogonal cutting process is developed using ABAQUS/Explicit software. Johnson-Cook, (JC) constitutive material model is used to describe material plasticity. JC damage model and energy-based fracture criterion are used to describe damage initiation and evolution. Using Minitab-19 software, Taguchi L9 orthogonal array (3 × 3) is implemented to plan simulation trails. Assuming a constant cutting speed of 500 mm/min, three levels for each factor are considered α (-5°, 0°, 5°), r (0.02, 0.04, 0.06 mm) and f (0.1, 0.2, 0.3 mm). The cutting force and cutting zone temperature are analyzed using ANOVA. Based on a 90% Confidence Interval (90% CI), the results show that only feed rate significantly affects the cutting force. However, rake angle, cutting edge radius, and feed rate do not substantially affect cutting zone temperature.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
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 Opus0,006
Tête enseignante GPT0,267
Écart entre enseignants0,261 · 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 source (Gemma direct ou Codex distillé), 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

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRecent Progress in MaterialsMême sujetAdvanced machining processes and optimizationTravaux en français237 207