Effect of Porosity on Tribological Properties of Medical-Grade 316L Stainless Steel Manufactured by Laser-Based Powder Bed Fusion
Notice bibliographique
Résumé
The potential of laser-based powder bed fusion (L-PBF) technology for producing functional components relies on its capability of maintaining or even improving the mechanical properties of the processed material. This improvement is associated with the microstructure resulting from the high thermal gradient and fast cooling rate. However, this microstructural advantage may be counterbalanced by the lack of full density, which could be tolerated to a certain degree for applications such as biomedical implants and medical equipment. In this study, medical-grade 316L stainless steel specimens with porosities ranging from 1.7 to 9.1% were additively manufactured by L-PBF using different combinations of laser power and scanning speeds. Tribological properties were evaluated by pin-on-disc testing in dry conditions against a silicon nitride test body and analyzed in the context of microstructural characterization by optical and electron microscopy. The results reveal that higher porosity allows for a diminishing wear rate, which is explained by the capacity of the pores to retain wear debris related with the three-body abrasion. This research provides practical insights into the design of medical wear-resistant components, thereby enhancing our understanding of the potential of L-PBF in the fields of materials science and biomedical engineering.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,001 | 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 ».