MétaCan
Menu
Retour à la cohorte
Enregistrement W4413739009 · doi:10.1016/j.aime.2025.100170

Comprehensive pore defect analysis for electron beam-powder bed fusion of Ti48Al2Cr2Nb

2025· article· en· W4413739009 sur OpenAlexafffund
Tomisin Ayeni, Paria Karimi, Mohsen K. Keshavarz, Esmaeil Sadeghi, Mahdi Habibnejad-Korayem, Mihaela Vlasea

Notice bibliographique

RevueAdvances in Industrial and Manufacturing Engineering · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing Materials and Processes
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesFedDev Ontario
Mots-clésFusionCathode rayMaterials scienceElectronNuclear engineeringNuclear physicsPhysicsEngineeringPhilosophy

Résumé

récupéré en direct d'OpenAlex

The process-microstructure relationship of gamma-titanium aluminide (Ti-48Al-2Cr-2Nb) parts fabricated via electron beam-powder bed fusion (PBF-EB) process was investigated. A set of 107 records of process parameter combinations were deployed to analyze and classify relative density, lack-of-fusion (LoF) and Gas porosity defects. The bulk density ranges spanned 88 %–99.99 %, with Gas porosity spanning 0.01 %–0.30 %, and lack-of-fusion defects spanning 0.001 %–12 %. Based on literature pertaining to defects addressable via hot isostatic pressing, four classes of density performance were identified: excellent (>99.8 %), good (99.6–99.8 %), poor (98.0–99.6 %), and failed (<98.0 %). For the purpose of this study, a high density outcome (excellent class) is identified to be ideal in terms of expected mechanical properties, specifically strength, fatigue, and ductility. Pore properties were mapped against different energy representations, for example, volumetric energy density (VED) and normalized enthalpy (NE). The results showed the importance of utilizing NE to visualize data and identify zones in the process parameter space where best performance is expected. A region of NE > 15 is expected to have an excellent performance, whereas NE < 10 is expected to result in unacceptable porosity outcomes.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,959
Score d'incertitude au seuil0,937

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 Opus0,011
Tête enseignante GPT0,235
Écart entre enseignants0,224 · 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'étudeExpérimental (laboratoire)
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

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAdvances in Industrial and Manufacturing EngineeringMême sujetAdditive Manufacturing Materials and ProcessesTravaux en français237 207