Process development of compression resin transfer moulding of a complex demonstrator part
Notice bibliographique
Résumé
Reduction of the process cycle time has been a major challenge faced by the ground transportation industry when introducing composite components in their design. As a result, composite material manufacturers developed innovative solutions to tackle this problem. The past decade has seen resin manufacturers produce fast curing thermoset resins that can help composite manufacturers reduce process cycle times. Currently, automotive manufacturers use the liquid composite moulding (LCM) process to produce high quality net shape automotive parts, mostly for high performance low volume luxury automobiles. However, the ground transportation industry is a cost driven industry and mass production can be extremely expensive. Among all the LCM processes available, compression resin transfer moulding (CRTM) is seen as a cost-effective solution to meet industry demands. Yet, fast curing resins pose a major challenge in producing high quality parts. Therefore, researchers have been working on process simulation to optimize CRTM for the last three decades. Even though great progress has been achieved in performing CRTM simulation, there is still a huge gap to be addressed in terms of a fully coupled simulation (heat transfer, flow and mechnical) for a large complex 3D part. Hence, this paper aims at simulating the CRTM process using a new approach introduced into the current solver of PAM RTMTM. The simulations were validated using a 3D complex demonstrator part.
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 ».