Study of optimization of process parameters on the wear behaviour of Al7075–aluminium oxide composites using Taguchi approach
Notice bibliographique
Résumé
Abstract Aluminium alloy based composites are employed in numerous applications that require outstanding performance due to their superior mechanical characteristics, including higher strength, stiffness, and wear resistance. They are used in engine parts like pistons and connecting rods to improve performance and durability. In this work, Al7075 is employed as the matrix material. Aluminium oxide particulates were chosen as the reinforcing particles. The Al7075–6%Al 2 O 3 composites were manufactured using the stir casting technology. Scanning electron microscopic instrument was employed to investigate the microstructure of Al7075–6%Al 2 O 3 composites. The microstructure analysis of Al7075–6%Al 2 O 3 composites revealed the even dispersion of Al 2 O 3 particulates throughout the Al7075 matrix. The Pin on disc apparatus was utilized to conduct a wear experiment on Al7075–Al 2 O 3 composites. Taguchi methodology was employed to optimize the wear process factors of the produced composites for enhanced performance. According to ANOVA outcomes, the most impacting factor was the sliding distance 87.057% then speed 7.165% and lastly load 0.435%. The R-Sq value and R-Sq (adj) value for wear response obtained using Minitab 16 Taguchi software are 95.05% and 92.08% respectively. The delta values for load, speed and sliding distance are 0.668, 2.830 and 10.734 respectively. The results of this demonstrated that the factor that has the greatest impact is sliding distance. The wear response values provided by OA experimental and regression equation are 3.6131 × 10 −3 mm 3 /m and 3.3062 × 10 −3 mm 3 /m respectively. A difference of 8.49% between the experimental and Taguchi analysis value gives the maximum permissible difference.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 | 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 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 ».