How Accurate Is Torque? Improving the Accuracy of Torque by Leveraging Stud Manufacturers, Tooling, and Practices
Notice bibliographique
Résumé
Abstract This paper investigates strategies for improving torque accuracy in bolted flange assemblies by evaluating the influence of stud manufacturers, tooling types, and bolting patterns. Torque application is the most common method for achieving axial load in bolted joints. Still, traditional approaches have exhibited a +/−30% accuracy, largely due to variations in friction and assembly practices. To address these concerns, the authors conducted a series of tests using studs from three different manufacturers, applied with three types of torque tools (hydraulic, battery-powered, and manual wrenches) across three bolting patterns: the star, modified star, and quadrant. Nut factors were determined using Skidmore-Wilhelm test fixtures, and ultrasonic (UT) measurements were employed to assess actual bolt stress during flange assembly. The results of over 1600 studs tested show that stud quality is critical in achieving more consistent torque accuracy, with significant variations in nut factors observed between manufacturers. Among the tooling tested, hydraulic wrenches provided the highest accuracy, followed by manual tools, while battery-powered tools excelled in speed. Bolting patterns did not show significant differences in load distribution, but the quadrant pattern offered advantages in assembly time. These findings emphasize the importance of high-quality fasteners and appropriate tooling in reducing torque variance, ultimately enhancing the reliability of flange joints.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 ».