MétaCan
Menu
Retour à la cohorte
Enregistrement W4403284437 · doi:10.1016/j.jmrt.2024.10.057

Systematic investigation into laser powder bed fusion of Ti-5553 through single-track and multi-layer studies for tailored manufacturing solutions

2024· article· en· W4403284437 sur OpenAlexafffund
Mahyar Hasanabadi, Ali Keshavarzkermani, Nadia Azizi, Hamed Asgari, A.P. Gerlich, Ehsan Toyserkani

Notice bibliographique

RevueJournal of Materials Research and Technology · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing Materials and Processes
Établissements canadiensUniversity of New BrunswickUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMaterials scienceFusionLayer (electronics)LaserTrack (disk drive)Composite materialMechanical engineeringOpticsEngineering

Résumé

récupéré en direct d'OpenAlex

Laser Powder Bed Fusion (LPBF) is recognized as an appealing fabrication process for producing metallic parts with customized properties. In the current research, a comprehensive approach is employed to systematically correlate single-track and multi-layer fabrication, aiming to generate a reliable process map, assess the effect of process parameters on the properties of LPBF-made Ti-5553, and guide the manufacturing of tailored structures. Based on single-track morphology, melt pool geometry, and multi-layer density, 30 combinations of laser power and scanning speed were categorized into three groups to identify the desirable process parameters. The investigation of single-tracks and multi-layers reveals that deeper melt pools, created with higher energy input, result in a more elongated grain structure, higher α phase content, increased strength and hardness, and reduced ductility. It is observed that achieving higher ductility involves a slight decrease in strength. Specifically, a substantial increase of ∼65% in ductility occurs with only a ∼3.5% reduction in strength. Also, it is found that the volumetric energy density ( VED ) alone is not sufficient as a design parameter, and the significant process parameters (e.g., laser power and scanning speed) should be considered, as two samples with the same VED yield different properties.

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)0,001
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,386

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,112
Tête enseignante GPT0,350
Écart entre enseignants0,238 · 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'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

Citations5
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Materials Research and TechnologyMême sujetAdditive Manufacturing Materials and ProcessesTravaux en français237 207