MétaCan
Menu
← Retour à la cohorte
Enregistrement W7046447837

Development of a phenomenological equation to predict tool wear in friction stir welding by steel grades in Al/Steel lap joining

2018· article· en· W7046447837 sur OpenAlexvenueno aff

Notice bibliographique

RevueNPARC · 2018
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueMagnetic confinement fusion research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFriction stir weldingAluminiumWeldingLap jointPoint (geometry)Joint (building)Material flow
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Since its introduction in the industry, the amount of structures being joined by friction stir welding (FSW) are in progression. Even if low-melting point materials such as aluminium or magnesium represents the highest number of applications, this method can also successfully join materials with different melting point as in the case of aluminium to steel. As lightweigthing structures gained ground in the last few years and will still continue to grow, joining processes combining aluminium to steel effectively need to be developed further. When it comes down to join aluminium to steel, the most common configuration is lap joint which the FSW pin enters into the bottom sheet substrate, thus the steel material. In order to have a FSW tool that lasts a sufficient amount of time, the material needs to sustain high stresses and temperatures and still be affordable, such as WC-based tools. The wear rate of the tool used during the process needs to be known and understood as it dictates the applicability of the FSW method depending of the application. As an example, the sub-frame assembly of the Honda Accord 2013 is joined using aluminium to steel FSW lap joining. Be able to predict when the tool reaches a point where it is no longer effective to produce a sound weld can certainly help to evaluate tool life. Actually, a few papers have produced a series of equations or processes that can predict material losses but they are constraints at the application designed for and will be presented further. This study will assess FSW tool life prediction upon different material configurations, mainly steel grades as it impacts greatly the wear behavior of the tool.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,034
Tête enseignante GPT0,281
Écart entre enseignants0,247 · 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 source (Gemma direct ou Codex distillé), 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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNPARC→Même sujetMagnetic confinement fusion research→Travaux en français237 207→