MétaCan
Menu
← Retour à la cohorte
Enregistrement W7132638993

An equipment for powder bed density measurement

2022· other· en· W7132638993 sur OpenAlexvenueaboutno aff
Roger Pelletier, Louis-Philippe Lefebvre, Nicolas Sauriol

Notice bibliographique

RevueNPARC · 2022
Typeother
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFlatness (cosmology)Raw materialQuality (philosophy)Metal powderPowder coatingQuality assurance
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

For the additive manufacturing processes that use a powder bed, the quality of the latter is crucial for a profitable production. The powder bed quality is a matter that involves several aspects among which the density’s spatial uniformity and run-to-run reproducibility, as well as the surface flatness are key attributes. Controlling the quality of the powder bed produced by a given powder feedstock prior to its usage is an essential part of a quality plan for the production of AM parts. Improving the design of recoating systems is also a mean of obtaining a robust powder bed quality. Therefore, there is a need for quantifying the density and surface flatness of powder bed obtained in conditions representative to those in service. Three years ago, NRC Canada launched a challenge aiming at designing an equipment capable of quantifying the quality of a powder bed. The preliminary results obtained with one of these equipment are presented. Among the parameters tested, are the layer thickness, recoating speed, the type of recoater, blade and roller, roller speed and direction, and the surrounding atmosphere. Tests were performed on three different alloys, Al10SiMg, Ti6Al4V and IN718. Results reproducibility was of a special interest. The equipment shows promising capabilities; future perspectives are outlined.

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)0,003
score de la tête « metaresearch » (Gemma)0,006
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: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,051
Score d'incertitude au seuil0,170

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0050,003
Études des sciences et des technologies0,0020,001
Communication savante0,0020,002
Science ouverte0,0030,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0510,029

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 Opus0,052
Tête enseignante GPT0,287
Écart entre enseignants0,234 · 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
GenreMéthodes

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
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNPARC→Travaux en français237 207→