MétaCan
Menu
Retour à la cohorte
Enregistrement W6964228513 · doi:10.21776/7tvhwy60

ANALISIS FOTO MAKRO TERHADAP KEKASARAN BAJA ST 60 HASIL PEMBUBUTAN FACING DI MESIN CNC HARDINGE

2025· article· en· W6964228513 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueDOAJ (DOAJ: Directory of Open Access Journals) · 2025
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMaterial Selection and Properties
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésSurface roughnessSurface finishCnc millingMacroNumerical controlMachine toolProcess (computing)

Résumé

récupéré en direct d'OpenAlex

Technological advances have made the manufacturing sector an industry that needs to develop and compete globally, one of which is CNC machines which produce quality products for industrial needs. In producing a material at CNC machine, the latest design software is needed, namely Autodesk Fusion 360. Apart from lest, on then machine processing, it is desired to produce a material surface with a good roughness value. The desired result of this research is to analyze roughness value towards facing turning results on CNC machines for variations in spindle speed, namely 410 rpm, 450 rpm, 660 rpm, 900 rpm, 1100 rpm and 1200 rpm using carbide chisels and dromus coolant. The roughness of the facing surface can be assessed using a Surface Roughness Tester and analyzing the material structure using macro photos. The results of specimen testing showed that the smallest roughness value occurred of a spindle speed of 1200 rpm with a value of Ra = 0.810 µm and the output of observations make use macro photos represent that the roughness structure of the material was very smooth compared to the production process on CNC machines using other spindle speeds.

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 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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,090
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0050,003
Science ouverte0,0030,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0440,000

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 Opus0,235
Tête enseignante GPT0,523
Écart entre enseignants0,287 · 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