Digital twin integrating cell data for HPDC process modelling
Notice bibliographique
Résumé
A single process cycle in high-pressure die casting involves a series of operations with complex flow, thermal, and metallurgical phenomena. Most commercial simulation software includes the mathematical framework to handle those. However, the user still needs to define a large number of coefficients to reproduce the magnitude of the physics and may also have to program functions to better replicate reality. This calibration effort can be an enabler for higher-fidelity simulations to efficiently develop new high-quality products, especially in the high-integrity field. This paper presents a data collection effort on a connected high-pressure vacuum die casting research and development cell that is fed into a process simulation. First, data was collected from the ladling robot, die casting machine, and spray actuator to provide an accurate representation of a typical cycle. Secondly, heat transfer behaviour was estimated for the cold chamber during pouring as well as for die spray to capture the heat exchanges in the system, as a complement to previously-acquired data for melt-to-die heat transfer. User functions were then programmed in ProCAST® to add the required features. Using this data, simplified cyclic simulations were run to calculate the expected steady-state die temperature regime and compare it to experimental data. Finally, a single-cycle flow and thermal simulation was run including the ladle pouring into the cold chamber. This works highlights some of the challenges and opportunities associated with a functional, off-line digital twin for high-pressure vacuum die casting, used as a tool to design new products and processes.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,028 | 0,005 |
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 source (Gemma direct ou Codex distillé), 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 ».