MétaCan
Menu
Retour à la cohorte
Enregistrement W4405324159 · doi:10.3390/jmmp8060288

Microstructure Characterization and Mechanical Properties of Al6061 Alloy Fabricated by Laser Powder Bed Fusion

2024· article· en· W4405324159 sur OpenAlexaff
Faezeh Hosseini, Asad Asad, Mostafa Yakout

Notice bibliographique

RevueJournal of Manufacturing and Materials Processing · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing Materials and Processes
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMicrostructureMaterials scienceCharacterization (materials science)AlloyFusionMetallurgyLaserComposite materialNanotechnologyOptics

Résumé

récupéré en direct d'OpenAlex

Processing high-performance aluminum alloys, including 6xxx and 7xxx series, via laser additive manufacturing (AM) processes poses significant challenges, primarily due to the rapid cooling rates inherent in these processes, which often result in solidification cracking and metallurgical defects. This study aimed at producing dense, crack-free samples of Al6061 alloys, using the laser powder bed fusion (L-PBF) process. Taguchi’s method of design of experiments was employed to study the effects of laser power, scanning speed, and hatch spacing on the L-PBF process parameters for Al6061. Two types of samples were fabricated: cubic samples for density and microstructural analyses; and dog bone samples for tensile testing. The microstructure, density, mechanical properties, fractography, and material composition of the L-PBF Al6061 parts were investigated. Based on our experimental findings, an optimal process window is suggested, with a laser power of 200–250 W, scanning speed of 1000 mm/s, and hatch spacing of 140 µm, resulting in complete melting within the energy density range of 44–50 J/mm3. This work demonstrates that adjusting processing conditions—specifically, increasing the energy density from 25.51 J/mm3 to 44.64 J/mm3—leads to a reduction in porosity from approximately 5% to below 1%, significantly improving the density and quality of the parts fabricated using L-PBF.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,624

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 Opus0,008
Tête enseignante GPT0,195
Écart entre enseignants0,188 · 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

Citations7
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Manufacturing and Materials ProcessingMême sujetAdditive Manufacturing Materials and ProcessesTravaux en français237 207