MétaCan
Menu
Retour à la cohorte
Enregistrement W4413216951 · doi:10.1115/gt2025-152958

Learnings in the Qualification of ABD®900AM for Turbine, Aerospace, and Energy Applications

2025· article· en· W4413216951 sur OpenAlexaff
John Shingledecker, Alex Bridges, Nikki Harless, Richard Grylls, Zara Hussain, Shankar Srinivasan, Marco Musto, Kenneth Kroenlein, James E. Saal

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing Materials and Processes
Établissements canadiensSiemens (Canada)Smarter Alloys (Canada)
Organismes subventionnairesnon disponible
Mots-clésAerospaceComputer scienceStandardizationWork (physics)SuperalloyMaterials scienceMechanical engineeringProcess engineeringManufacturing engineeringAlloyMetallurgyEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract ABD®-900AM is a highly-printable, gamma prime strengthened superalloy purposely designed for powder bed fusion (PBF) additive manufacturing (AM) with broad applicability to high-temperature gas turbine, aerospace, defense, and energy applications. To accelerate the adoption of the alloy, EPRI, with support from a team of AM processing and material data informatics experts, has initiated a first-of-a-kind project to demonstrate qualification of the alloy across multiple AM machines and sites with the goal of developing requisite SAE PBF feedstock and material specifications with supporting statistical material allowables for future inclusions in the Metallic Materials Properties Development and Standardization (MMPDS) Handbook. Additional data needed for component design and enhanced specifications (including creep, fatigue, and microstructure) are also being generated for proliferation of datasets for future users of the alloy. In working through the existing SAE qualification framework, a number of challenges were addressed to adapt the specification requirements to the unique attributes of the alloy, future applications, and machine variables. The project started by defining key characteristics (KCs) of the alloy and key process variables (KPVs) for AM process evaluation. Pre-qualification work involved a KPV study on a single batch of powder across five machines considering the impact of layer thickness, heat-input, heat-treatment, sample location, and sample orientation. Sensitivity analysis was also performed to assess the impact of minor variations in laser power and solution-heat-treatment temperature. Statistical analysis evaluated these variables against tensile test results and large area microstructural analysis. Initial comparisons to elevated temperature tensile, and creep behavior at 800 °C are also presented and compared to prior work to describe ongoing activities to expand qualification activities to a minimum of 10 heats of powder and 20 manufacturing lots.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,831
Score d'incertitude au seuil0,125

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,227
Écart entre enseignants0,221 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdditive Manufacturing Materials and ProcessesTravaux en français237 207