Investigation of Air Quality and Particle Emission During Wet Granite Edge Finishing on Machine Tool with Half-Beveled and Ogee Profile Tools
Notice bibliographique
Résumé
Granite wet edge finishing is widely adopted to improve surface durability and aesthetics while reducing dust dispersion compared to dry processes. However, even under flooded lubrication, fine particles (FP, 0.5–20 µm) and ultrafine particles (UFP, <100 nm) containing crystalline silica are emitted, posing health risks such as silicosis and pulmonary or cardiovascular diseases. This study investigates particle emissions during CNC edge finishing of black (containing 0% quartz) and white granites (containing 41% quartz) using two industrially relevant profile tools: Half-Beveled (HB) and Ogee (OG). A full factorial design evaluated the effects of granite type, tool geometry, abrasive grit size, spindle speed, and feed rate. Particle concentrations were measured with Aerodynamic and Scanning Mobility Particle Sizers. Results show that spindle speed (N) is the dominant factor, explaining up to 92% of variance in emissions, whereas feed rate (Vf) played a minor role. Tool geometry had a pronounced effect on UFP release: sharp-edged geometries (HB) promoted localized micro-fracturing and higher emissions, while curved geometries (OG) distributed stresses and reduced particle detachment. White granite generated higher mass emissions due to its high quartz content, while black granite exhibited more stable emission behavior. These findings highlight the dual necessity of optimizing cutting kinematics and selecting appropriate tool profiles to balance surface quality and occupational health in granite processing.
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 | 0,000 | 0,000 |
| 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 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 ».