MétaCan
Menu
← Retour à la cohorte
Enregistrement W7132682180

Quantitative benchmark for laser powder bed fusion melt pool scale models

2024· other· en· W7132682180 sur OpenAlexvenueaboutno aff
Hélène Papillon-Laroche, Amishga Alphonius, Magdalena Schreter-Fleischhacker, Yohann Vautrin, F. Ilinca, Jean-Philippe Harvey, B. Blais

Notice bibliographique

RevueNPARC · 2024
Typeother
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBenchmark (surveying)FusionScale (ratio)LaserWork (physics)Tension (geology)ThermalSensitivity (control systems)Process (computing)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Laser Powder Bed Fusion (LPBF) is a 3D printing process using metal powder as the raw material. A laser selectively melts the powder bed, and the raw material is consolidated using a layer-by-layer building strategy. At the melt pool scale, solid-liquid phase change, surface tension and evaporation effects are involved, and their highly dynamic interaction drives the melt pool (MP) morphology, thermal history, and the occurrence of defects in the final part. To predict the latter, high fidelity thermo-fluid models are currently used. However, precise knowledge and quantification of the model errors and their sources is absent as verification and validation are either disregarded or incomplete. This hinders meaningful insight from the current LPBF MP predictions. This work proposes a reproducible quantitative benchmark to evaluate the accuracy and adequacy of LPBF MP scale models. It is twofold: verification via a code-to-code comparison and validation with experimental data. It focuses on the static irradiation of a bare plate of Ti-6Al-4V, experimentally studied by Cunningham et al. The code-to-code comparison of results is performed using selected high-fidelity thermo-fluid models. Space and time refinement studies are proposed to analyze the sensitivity of the solution to the chosen discretization. Targeted verification metrics are the MP and vapor depression (VD) dimensions, and temperature gradients. Monitoring of the error norms assesses if the different thermo-fluid models converge to the same reference solution, defined as the solution obtained with the finest discretization. The second part of the benchmark assesses the models' adequacy using Cunningham et al. experimental results. This validation step focuses on the temporal evolution of the MP and VD dimensions, and we are interested in the predictive capacity of the models for the different melting modes encountered in the experimental setup. The presentation focuses on the benchmarking of two diffuse finite-element based thermo-fluid frameworks, developed by independent groups: Lethe from Polytechnique Montréal, and MeltPoolDG from the Technical University of Munich. It also aims to advertise this new benchmark to other research groups and encourage them to verify and validate their thermo-fluid models using the proposed studies. Hence, it provides the required numerical results to compare their own solutions. Special care is taken to thoroughly describe the benchmark case, material properties, and solver parameters ensuring reproducibility

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)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,012
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,031
Tête enseignante GPT0,302
Écart entre enseignants0,271 · 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'étudeSimulation ou modélisation
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
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNPARC→Travaux en français237 207→