A method to assess the quality of additive manufacturing metal powders using the triboelectric charging concept
Notice bibliographique
Résumé
A new method to assess the quality of additive manufacturing (AM) metal powders using the triboelectric charging concept is demonstrated using CpTi, Ti6Al4V, AlSi10Mg, IN 738, and SS 316L powders. For each powder tested, the surface chemical composition was first analyzed using X-ray photoelectron spectroscopy (XPS) to determine the composition of the passivation layer. Some modifications to the current GranuCharge™ setup, developed by GranuTools™, were then performed by incorporating a flow rate measuring tool to assess how tribocharging is affected as a function of flow rate. Variations in the tribocharging response have been found with the flow rate of CpTi, AlSi10Mg and SS 316L powders. Moreover, results suggest that the tribocharging behavior might not be the same even with powders fabricated with the same passivation process. Finally, the compressed exponential model of Trachenko and Zaccone was used to reproduce the tribocharging behavior of the powders. The models were found to work best when the stretch constant β = 1.5, which is identical to the value found in other systems such as structural glasses, colloidal gels, entangled polymers, and supercooled liquids, which experience jamming when motion of individual particles become restricted, causing their motion to slow down.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».