Quantification of metal powder contamination and variation of properties during multi-usage binder jetting process
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.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 | 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 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 ».