CFD Modeling of Elastomeric Silicone Material Dispensing to Enable Equipment Design & Optimization for Efficient Automotive Manufacturing
Notice bibliographique
Résumé
In the automotive industry, it is essential to consider not only how well specialty materials perform and are formulated, but also how efficiently and economically they can be applied during manufacturing. This becomes especially important during the early stages of development to prevent issues when these materials are used in new designs by automotive suppliers or manufacturers. With the rapid growth of electric vehicles (EVs), new materials are being used more frequently, and these materials may not have been as thoroughly tested as those used in traditional internal combustion engine (ICE) vehicles. Therefore, it is crucial to ensure that these materials can be applied correctly and efficiently from the start. One way to speed up the development process is through Computational Fluid Dynamics (CFD) modeling. CFD helps predict how materials will behave when dispensed, which is essential for developing the right equipment and conditions for applying these materials. Working with Graco, a leading manufacturer of fluid management and dispense solutions, Dow and Graco have used these models to design better equipment solutions and improve the software used. This ensures high-quality and efficient application at start up. This paper will present two case studies how material models were developed, tested, and validated with real-world data to ensure they work as intended. The goal is to demonstrate how optimizing dispensing equipment based on material characteristics is critical for maintaining process windows and product quality. By doing so, manufacturers can achieve better results, reduce waste, and ensure the reliability of new materials in automotive applications.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».