MétaCan
Menu
Retour à la cohorte
Enregistrement W4402945135 · doi:10.1016/j.mtcomm.2024.110559

An integrated approach toward digital design and simulation of the automated overbraiding process for composite manufacturing

2024· article· en· W4402945135 sur OpenAlexaff
Yasmine Abdin, Mohammad Ghaedsharaf, Louis Laberge Lebel

Notice bibliographique

RevueMaterials Today Communications · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueManufacturing Process and Optimization
Établissements canadiensPolytechnique MontréalUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceProcess (computing)Composite numberProcess engineeringManufacturing engineeringSystems engineeringComposite materialComputer scienceEngineering

Résumé

récupéré en direct d'OpenAlex

The study presents a new integrated hybrid modeling framework that combines kinematic models with Finite Element Analysis (FEA) to simulate the overbraiding process on non-circular and variable cross-section mandrels in composite manufacturing. By combining the computational efficiencies of kinematic models with the detailed physical insights from FEA simulations, this hybrid method provides a holistic solution for designing and prototyping overbraided structures. Specifically applied to a complex rectangular-to-square mandrel, the approach accurately predicts braid angles, validated against physical braiding experiments covering a range of target angles. The achieved results highlight the model's accuracy and emphasize its potential to boost the efficiency and precision of overbraiding in industrial settings, thereby reducing the need for costly and time-consuming physical braiding iterations. • The study presents a hybrid kinematic-FEA model for overbraiding process simulation. • The modeling approach was applied to a complex, variable cross-section mandrel. • The model predictions were validated over a variety of target braid angles. • The proposed method enhances the accuracy and efficiency of overbraiding design.

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 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: aucune
Score de désaccord entre enseignants0,631
Score d'incertitude au seuil0,378

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)0,0000,000

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 GPT0,283
Écart entre enseignants0,248 · 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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMaterials Today CommunicationsMême sujetManufacturing Process and OptimizationTravaux en français237 207