Parameter Optimization for Dissimilar Aluminum Alloys Joined Using Friction Stir Additive Manufacturing: A Screening Study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
ABSTRACT Due to the requirement for better strength‐to‐weight ratios, the utilisation of aluminum alloys is rapidly expanding. Lightweight components are of utmost importance in most industries, particularly in transportation, aviation, maritime, automotive, and other industries. These lightweight engineering materials are hard to be joined utilising traditional fusion joining techniques, necessitating the development of alternative joining techniques. The novel friction‐stir additive manufacturing (FSAM) technique, based on the concept of friction stir welding (FSW), can be used to combine aluminum alloys additively in their solid state. This work examines the effects of several process parameters (tool rotational speed, tool tilt angle, and tool transverse speed) on tensile strength and hardness using a 3‐factor L9 Taguchi designed experiment. Three cases were explored, one were AL 6061 was welded to AL 7075, one where AL 7075 was welded to AL 6061, and one where the data were mixed to get an “average” effect representative of large additively manufactured parts. A detailed ANOVA (including both main effects and interactions analyses) provided clear guidance on the optimization of the parameters for several objectives. This work will contribute to the development and wider use of FSAM in both industrial and academic research settings by providing a useful dataset and clear parameter selection guidance. The results of this research indicate that the FSAM methodology could be utilized to fabricate large defect‐free structures, which can be a suitable replacement for the traditional Al6061 material used in automotive and aerospace sectors.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 découle