Testing the Accuracy and Repeatability of Common Torquing Equipment
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Proper torque application by tools is critical for achieving target axial loads in bolted flange joint applications. This study builds on previously published papers by investigating the accuracy and repeatability of three types of torque wrenches (manual click-type, hydraulic low-profile, and battery-powered pistol grip) commonly used in bolted flange joint assemblies. The authors conducted comprehensive testing on over 400 studs across five distinct flange configurations, utilizing Ultrasonic Bolt Measurement for precise evaluations. Our findings reveal that hydraulic torque wrenches exhibit the highest accuracy, consistently achieving target torque values within ±3%, followed closely by manual torque wrenches, which maintained an accuracy within ±5%. In contrast, battery-powered wrenches displayed higher variability, with inaccuracies averaging ±5.5%. The study also highlights the significant role of operator skill in the performance of manual tools, suggesting that effective training is essential for maximizing accuracy. While hydraulic wrenches proved superior in repeatability, the faster torque application of battery-powered tools led to greater scatter in results. Overall, this research underscores the importance of proper tool verification and selection in achieving reliable bolted joint assembly outcomes. It demonstrates that tooling can contribute to an accuracy variance of up to ±38% under field conditions. The data presented offers valuable insights for industry practitioners in choosing effective torque application methods.
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.
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 | 0,000 | 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 | 0,000 | 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 découle