Quantification of metal powder contamination and variation of properties during multi-usage binder jetting process
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
During binder jetting additive manufacturing (BJ-AM) processing and powder re-use treatment, changes to the powder surface properties leading to degradation of certain characteristics may not be detected by traditional powder characterization techniques. In addition, in BJ-AM, the inherent poor flowability of powders ascribed to their fine particle size distribution, makes the traditional powder characterization methods, such as the measurement of static and dynamic flowability, less efficient to detect the presence of surface contaminant or a given level of surface degradation or even both phenomena. In this paper a method for quantifying powder contamination is proposed based on the triboelectric charging using the GranuChargeTM apparatus. Using the compressed exponential model proposed in Galindo et al., triboelectric constants, Qe and α, are calculated and then used to obtain the “n” constant or charging rate. Values of n are reported to be 0.38, between 0.44 and 0.39, and 0.59 for Cu, LSA and SS316L powders in the AR condition, respectively, and the values increased for the three powders due to the presence of binder residues and oxide species on the surface of the powders upon reuse. The results were compared with those obtained from traditional powder characterization techniques, including particle size analysis, XRD, Hall and Carney funnels, GranuDrumTM, and XPS. The method was demonstrated using three families of AM powders used in BJ: copper, low steel alloy, and stainless steel 316 L.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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