Modelado estadístico de Si

Jul 25, 2023

Scientific Reports volumen 13, número de artículo: 5416 (2023) Citar este artículo

443 Accesos

Detalles de métricas

Se han estudiado las propiedades de desgaste de compuestos híbridos de matriz de aleación de Al-Mg-Si fabricados con compuestos refractarios a base de Si (SBRC) derivados de ceniza de hoja de bambú (BLA) como refuerzo complementario con alúmina. Los resultados experimentales indican que la pérdida por desgaste óptima se obtuvo a mayor velocidad de deslizamiento. La tasa de desgaste de los compuestos aumentó con un aumento en el peso de BLA. %, donde los compuestos que tienen 4% SBRC de BLA + 6% de alúmina (B4) muestran la menor pérdida por desgaste para las diferentes velocidades de deslizamiento y cargas de desgaste consideradas. Con el aumento del porcentaje en peso de BLA, el mecanismo de desgaste de los compuestos fue principalmente desgaste abrasivo. Los resultados de optimización numérica utilizando el diseño compuesto central (CCD) revelan que con una carga de desgaste de 587,014 N, una velocidad de deslizamiento de 310,053 rpm y un nivel de composición de relleno híbrido B4 respectivamente, respuestas mínimas en tasa de desgaste (0,572 mm2/min), tasa de desgaste específica (0,212 cm2/g.cm3) y la pérdida por desgaste (0,120 g) se obtendrían para el compuesto híbrido desarrollado basado en AA6063. Los gráficos de perturbación indican que la velocidad de deslizamiento tiene un mayor impacto en la pérdida por desgaste, mientras que la carga de desgaste tiene un impacto significativo en la tasa de desgaste y la tasa de desgaste específica.

Los fabricantes buscan constantemente materiales que tengan una buena relación resistencia-peso para aplicaciones automotrices y aeroespaciales. Por ello, los materiales compuestos, especialmente los compuestos de matriz metálica de aluminio (AMMC), reforzados con materiales sintéticos como SiC, Al2O3, etc., son muy buscados1. Los investigadores han utilizado ampliamente los compuestos híbridos para lograr una mejor resistencia al desgaste cuando se utilizó refuerzo de partículas de Al2O3 en el diseño de AMMC2. A partir de su trabajo, los autores3 informaron que el porcentaje en peso (% en peso) del refuerzo es el factor más importante que influye en la tasa de desgaste de los compuestos que desarrollaron. Observaron que la carga y la velocidad de deslizamiento seguían simultáneamente en el orden de clasificación de significativo. Los hallazgos de 4 concluyeron que los compuestos híbridos desarrollados exhiben una excelente resistencia al desgaste en comparación con la aleación base y el compuesto monolítico, respectivamente. Los resultados estadísticos obtenidos de la matriz ortogonal utilizando Taguchi para la velocidad de deslizamiento, la carga aplicada, la distancia de deslizamiento y la tasa de desgaste corroboran aún más los resultados.

En estudios anteriores, las cáscaras de arroz (RH) se utilizaron con éxito en la producción de compuestos refractarios a base de Si (SBRC)5. Se informó que estos compuestos refractarios contienen politipos de SiC que pueden servir como materiales de refuerzo en el diseño de AMMC6. Se informó la investigación sobre la comparación del comportamiento de desgaste y fricción de la aleación de matriz de aluminio (Al 7075) y el compuesto de matriz metálica de aluminio a base de carburo de silicio en condiciones secas a diferentes distancias de deslizamiento7. A partir de sus resultados demostraron que la tasa de desgaste de los AMMC reforzados con SiC era de aproximadamente el 25% al ​​45%. Por otro lado, se observó una mejora de aproximadamente el 14 % en la resistencia al desgaste cuando se utilizó SiC como refuerzo en el diseño de AMMC en comparación con la aleación monolítica8.

En este estudio, intentamos utilizar el SBRC derivado de BLA como refuerzo complementario con alúmina utilizando un diseño compuesto central (CCD) para analizar, modelar y optimizar estadísticamente los resultados experimentales. Los hallazgos de este estudio contribuirían a la base de datos existente sobre la optimización de parámetros de desgaste seleccionados de compuestos refractarios a base de Si derivados de hojas de bambú y aleación de aluminio 6063 (AA6063) reforzada con alúmina.

AA 6063 (Al-Mg-Si) es el material base utilizado para este estudio, que fue suministrado como lingote por un proveedor local. La composición elemental se obtuvo usando un espectrómetro de chispa y el resultado se muestra en la Tabla 1. Los materiales de refuerzo utilizados en este estudio son alúmina con un rango de tamaño de partícula de 30 µm y compuestos refractarios a base de Si (SBRC) derivados de hojas de bambú con tamaño de partícula < 60 µm. Se utilizó magnesio para mejorar la humectabilidad entre el material base y los refuerzos. Los detalles sobre la ruta de síntesis para el desarrollo del SBRC fueron informados previamente por5.

Se utilizó fundición por doble agitación para producir los composites siguiendo el protocolo informado por 9. Antes de la fundición, se realizaron cálculos de carga para determinar la masa de alúmina y SBRC de ceniza de hoja de bambú (BLA) necesaria para producir un refuerzo del 10% en peso. La Tabla 2 muestra la proporción de mezcla de los refuerzos y su designación.

El SBRC de BLA y las partículas de alúmina (Al2O3) se precalentaron a un rango de temperatura de 200 a 300 °C para eliminar la humedad y ayudar a la humectabilidad con la aleación base fundida. Los lingotes de aluminio 6063 se introdujeron en un horno de crisol operado a 760 ± 30 °C y la masa fundida se dejó enfriar en estado semisólido en el horno a aproximadamente 600 ± 20 °C. Se utilizó una sonda de temperatura para regular la temperatura del horno. A la temperatura indicada anteriormente, se precalentó SBRC de BLA, Al2O3 y 0,15 wt. Se agregaron % de polvo de magnesio y se agitaron manualmente durante 10 a 15 minutos. Luego se sobrecalentó la suspensión compuesta a 790 ± 30 °C y se logró una segunda agitación a través de un agitador mecánico. El proceso de agitación se obtuvo utilizando un agitador motorizado de 350 rpm durante 15 minutos para ayudar a la distribución de las partículas en la aleación fundida Al-Mg-Si. Los compuestos licuados se colaron luego en moldes de arena ya preparados con escalofríos insertados como informó 9,10.

La prueba de desgaste de los composites se realizó utilizando una máquina de prueba de desgaste Taber Abrasion (TSE-A016) siguiendo la norma ASTM G195-1811. La prueba de desgaste requirió montar muestras dispuestas en forma de disco con un diámetro de 200 mm y un espesor de 5 mm en la plataforma giratoria de la máquina de desgaste. Las muestras fueron arrastradas a una presión constante mediante dos ruedas abrasivas colocadas sobre la superficie de la muestra. El plato giratorio gira con las muestras que impulsan las muelas abrasivas en contacto con su superficie. La acción de fricción entre la muestra y la rueda abrasiva genera residuos de desgaste del compuesto sueltos a medida que continúa el movimiento giratorio. La prueba fue pilotada durante 15 min, y los pesos de las muestras se registraron antes y después de las pruebas. Posteriormente se evaluó el índice de desgaste de Taber utilizando la relación12

donde los pesos inicial y final están en gramos, y el tiempo del ciclo de prueba en minutos.

Se utilizó el tipo de diseño compuesto central (CCD) del diseño experimental de metodología de superficie de respuesta (RSM) del archivo de software Design Expert versión 11.1.2.0 para analizar, modelar y optimizar estadísticamente los resultados experimentales. Durante el análisis se aplicó un modelo de diseño cúbico reducido. Los parámetros del proceso de desgaste considerados (velocidad y carga) se establecieron como variables independientes (factores numéricos A y B) y las proporciones de peso del relleno híbrido (% en peso) como factor categórico (C) con cinco niveles (C1, B2, B3, B4 y C2). La tasa de desgaste (mm2/min), la tasa de desgaste específico (cm2/g.cm3) y la pérdida de masa (g) se establecieron como variables de respuesta (Respuestas 1 a 3). Se realizaron cuarenta y cinco (45) corridas experimentales para obtener las respuestas de las variables dependientes/propiedades de desgaste del compuesto. La significación estadística de los resultados experimentales se evaluó mediante ANOVA. Se utilizaron diagramas de diagnóstico y gráficos de modelos para analizar los modelos estadísticos desarrollados. La solución de optimización numérica muestra el nivel óptimo del compuesto y los parámetros/factores de desgaste que darán como resultado una tasa de desgaste mínima.

Recolección de material vegetal, cumplir con los lineamientos y legislación institucionales, nacionales e internacionales pertinentes.

Los gráficos representativos que muestran las variaciones en la pérdida por desgaste para las diferentes velocidades utilizadas en este estudio se presentan en las Figs. 1, 2 y 3 respectivamente. Es evidente a partir de las Figs. 1 y 2 que se registró una pérdida por desgaste óptima a mayor velocidad. Se observó que la tasa de eliminación de material es alta a medida que aumenta la velocidad, aumentando así la pérdida por desgaste. La muestra B4 tuvo la menor pérdida por desgaste para las diferentes velocidades utilizadas. La menor tasa de eliminación de material se debió a la resistencia al microcorte del compuesto debido a la historia del refuerzo. Se observa además en la Fig. 3 que existe un dominio de transición de desgaste leve a severo en comparación con la tendencia en las Figs. 1 y 2 respectivamente (cargas más bajas). Además, la transición de un desgaste leve a severo cambia a una mayor pérdida por desgaste con una carga constante de 750 N a diferentes velocidades. El régimen de desgaste por deslizamiento podría clasificarse en tres categorías: desgaste ultrasuave, leve y severo. A medida que la carga aumenta al aumentar la velocidad de deslizamiento, es común observar un aumento en las tasas de desgaste/pérdida. La mayoría de las veces, la tasa de desgaste/pérdida severa es aproximadamente tres órdenes de magnitud mayor que el desgaste leve. En la Fig. 3, se puede observar que la pérdida por desgaste aumentó en aproximadamente otras tres magnitudes desde una velocidad de deslizamiento de 250 rpm a 750 rpm. También se observa que en aplicaciones de carga más altas, la variación en la pérdida por desgaste estuvo dentro del rango de 30 a 75%. La reducción de la pérdida por desgaste se debió a las fases de óxido en los materiales de refuerzo. Esta observación fue corroborada por los hallazgos de Idusuyi y Olayinka13.

Pérdida por desgaste con una carga de 250 N a diferentes velocidades para los compuestos.

Pérdida por desgaste con una carga de 500 N a diferentes velocidades para los compuestos.

Pérdida por desgaste con una carga de 750 N a diferentes velocidades para los compuestos.

La variación en la tasa de desgaste de los compuestos se presenta en las Figs. 4, 5 y 6 respectivamente para diferentes velocidades. Se puede ver a partir de este resultado que los materiales de refuerzo tienden a restringir la deformación plástica, formando así una capa en los compuestos desarrollados. Con una aplicación de carga más baja, la película de óxido formada parecía estar en la etapa de formación, lo que mejora la formación de la tasa de desgaste. Una tendencia similar se informó en el trabajo de Radhika et al.14. Sin embargo, a medida que aumenta la carga, se extraen más partículas del refuerzo, lo que provoca deformación plástica. Estudios anteriores de Uthayakumar et al.15 informaron que las partículas extraídas del refuerzo podrían formar una tercera condición de abrasión corporal.

Tasa de desgaste de compuestos con una carga de 250 N a diferentes velocidades.

Tasa de desgaste de compuestos con una carga de 500 N a diferentes velocidades.

Tasa de desgaste de compuestos con una carga de 750 N a diferentes velocidades.

La tasa de desgaste específica de los compuestos en diferentes aplicaciones de carga y velocidades se presenta en las Figs. 7, 8 y 9 respectivamente. La tasa de desgaste específico (cm2/g.cm3) es una medida del área total o cantidad de materiales que se cortan de la superficie del compuesto híbrido por una carga/fuerza de un Newton16. Se puede observar en la Fig. 9 que la tasa de desgaste específico más baja de 3,587 × 10–9 cm2/g.cm3 se obtuvo con el compuesto híbrido B4 con una carga de desgaste máxima de 750 N y una velocidad de deslizamiento de 500 rpm. La mayor tasa de desgaste específico observada para el compuesto C2 que tiene un contenido de refuerzo único de 10 % en peso de SBRC-BLA podría atribuirse a un arado catastrófico y al desprendimiento de las partículas de refuerzo reveladas de la superficie superior de los compuestos tan pronto como entran en contacto con el disco abrasivo de deslizamiento progresivo16.

Tasa de desgaste específica de compuestos con una carga de 250 N a diferentes velocidades.

Tasa de desgaste específica de compuestos con carga de 500 N a diferentes velocidades.

Tasa de desgaste específica de compuestos con carga de 750 N a diferentes velocidades.

El resumen del diseño, que muestra la información de construcción para el factor y las variables de respuesta, se presenta en las Tablas 3 y 4, respectivamente.

La validez de los modelos predictivos desarrollados se prueba estadísticamente mediante la técnica de análisis de varianza (ANOVA). ANOVA es útil para establecer la adecuación estadística, la significación y la utilidad práctica de los diversos factores y las variables de respuesta. ANOVA también determina los impactos de los parámetros de desgaste experimentales y los contenidos de relleno en el rendimiento de desgaste de los compuestos estudiados. Se estableció la relación entre los factores y las variables de respuesta dependientes (propiedades de desgaste) en la mejora de las propiedades de los compuestos de matriz metálica desarrollados. Los resultados del ANOVA y el resumen de las estadísticas de ajuste se presentan en las Tablas 5, 6 y 7. De las Tablas se puede observar que existe un efecto significativo entre los factores y las variables de respuesta con base en un nivel de confianza del 95%. Los valores P (valores de probabilidad) obtenidos para todas las variables de respuesta para cada uno de los factores fueron inferiores a 0,0500, lo que es una indicación de que los términos del modelo desarrollado son significativos. Los valores superiores a 0,1000 indican los términos del modelo que no son significativos. Los valores F presentados para todas las variables de respuesta también son significativos y son una buena señal de que los parámetros de entrada tienen un impacto positivo en las respuestas17,18. La idoneidad del modelo diseñado con respecto a su resultado de respuesta está representada por R2 ajustado, R2 previsto y precisión Adecuada. Para obtener precisión de un modelo de diseño, la diferencia entre el valor R2 ajustado y el valor R2 previsto será menor que 0,219,20, por lo que se pudo observar que existía un acuerdo razonable en las respuestas analizadas en este trabajo. Se obtiene una relación señal/ruido adecuada para toda la salida de respuesta. Según una regla estadística, una relación de precisión Adeq deseable debe ser superior a 4 para obtener una señal adecuada19,21,22. Por lo tanto, la proporción de las variables de respuesta analizadas se considera mayor que 4, lo que indica claramente que los modelos desarrollados son adecuados para navegar en el espacio de diseño.

El software Design-Expert proporciona varios gráficos para ayudar a interpretar el modelo de ajuste seleccionado. Se utilizaron gráficos de diagnóstico y gráficos de modelos para analizar e interpretar los modelos de ajuste. Los gráficos de probabilidad normal (Figs. 10A-C) muestran el efecto lineal de cambiar el nivel de un factor. Los gráficos de probabilidad normal están diseñados para indicar si los residuos siguen una distribución normal, es decir, siguen la línea recta. Sin embargo, se puede esperar cierta dispersión incluso con datos normales. Los patrones definidos, como una curva en “forma de S”, son una indicación clara de que una transformación de la respuesta puede proporcionar un mejor análisis. En este caso, todas las respuestas exhiben una distribución lineal. Los gráficos del modelo previsto versus real de las Figs. 11A-C muestran los valores de respuesta observados reales frente a los valores de respuesta previstos y detectan observaciones que el modelo no predice fácilmente. Se pudo observar que los puntos de datos están divididos uniformemente por la línea de 45 grados, lo que indica que los modelos de diseño son suficientes para predecir las respuestas16,23. Para los diseños de superficies de respuesta, los gráficos del modelo principal son los gráficos 3D y de contorno. El gráfico de contorno es una representación bidimensional (2D) de una variable de respuesta trazada frente a combinaciones de factores numéricos. Puede mostrar la relación entre las respuestas y los factores numéricos24. El trazado de superficie 3D es una proyección del trazado de contorno que da forma además del color y el contorno. Las Figuras 12A a C son gráficos de superficie 3D interactivos que muestran el grado de interacción entre los factores y las variables de respuesta en el nivel de factor categórico especificado (B4). Se produce una interacción cuando la respuesta es diferente dependiendo de la configuración de los dos factores numéricos (Carga y velocidad)25. Aparecerán con dos líneas no paralelas, indicando que el efecto de un factor depende del nivel del otro. El gráfico de perturbación de las figuras 13A a C se emplea para comparar los efectos de todos los factores en un punto particular del espacio de diseño. La respuesta se traza cambiando solo un factor en su rango mientras se mantienen constantes todos los demás factores. De forma predeterminada, Design-Expert establece el punto de referencia en el punto medio (codificado 0) de todos los factores. Esto se puede cambiar para que sea cualquier punto (quizás las condiciones óptimas de ejecución) utilizando la herramienta Factores. Una pendiente o curvatura pronunciada en un factor muestra que la respuesta es sensible a ese factor. Una línea relativamente plana muestra insensibilidad al cambio en ese factor en particular18,20. Si hay dos o más factores, el gráfico de perturbación podría usarse para encontrar aquellos factores que más afectan la respuesta. A partir de las curvas de perturbación (Fig. 13A-C), se podría afirmar que la variación de la velocidad no tiene un impacto marcado en la tasa de desgaste y la tasa de desgaste específica, pero sí en la pérdida por desgaste. Los ejes en los trazados de contorno se eligen en función de estos factores influyentes.

Gráficas de probabilidad normal de residuos para (A) tasa de desgaste, (B) tasa de desgaste específica y (C) pérdida por desgaste.

Modele gráficos de valores de diseño previstos versus reales para (A) tasa de desgaste, (B) tasa de desgaste específica y (C) pérdida por desgaste.

Gráficos interactivos de modelos de superficie en 3D para (A) tasa de desgaste, (B) tasa de desgaste específica y (C) pérdida por desgaste, frente a los factores de diseño.

Gráficos de perturbación para (A) tasa de desgaste, (B) tasa de desgaste específica y (C) pérdida por desgaste.

Los criterios de optimización numérica se establecen para optimizar cualquier combinación de uno o más objetivos. Los objetivos pueden aplicarse tanto a factores como a variables de respuesta. Los posibles objetivos normalmente establecidos durante la optimización numérica son: maximizar, minimizar, apuntar, dentro del rango, ninguno (solo para respuestas) y establecer un valor exacto (solo factores). Se debe proporcionar un nivel mínimo y máximo (límites inferior y superior) para cada parámetro incluido en la optimización. La “importancia” de un objetivo se puede cambiar en relación con los demás objetivos. El valor predeterminado es que todos los objetivos sean igualmente importantes con una configuración de 3 ventajas (+ + +). La Tabla 8 resume las restricciones de criterios aplicadas para encontrar las configuraciones y soluciones óptimas para el proceso de optimización numérica. A partir del informe de optimización numérica, se elige como solución óptima la solución que mejor cumple con los criterios especificados. La mayoría de las veces, esta es la solución que tiene los puntajes de deseabilidad más altos, lo que indica que hay una isla de resultados aceptables. La solución óptima se presenta gráficamente utilizando gráficos de contorno y superposición (Figs. 14, 15). El gráfico superpuesto produce un gráfico único que resalta el "punto ideal", donde se pueden cumplir todos los criterios de respuesta. También se utiliza para mostrar los límites de falla en un proceso17,18,20. Los contornos se trazan en los límites especificados por los criterios. El color amarillo brillante define de forma predeterminada la configuración de factor aceptable, mientras que el color gris de forma predeterminada identifica la configuración de factor inaceptable. Las soluciones de optimización numérica seleccionadas se transfieren y se muestran en los gráficos de contorno y superposición como banderas si el gráfico está en el segmento correcto. Los resultados de la optimización numérica indican que a un nivel de carga, velocidad y composición de relleno híbrido de 587.014N, 310.053 rpm y B4(4%SBRC-BL + 6% alúmina) respectivamente, se obtienen respuestas óptimas en tasa de desgaste (0.572mm2/min), Se obtendría una tasa de desgaste específica (0,212 cm2/g.cm3) y una pérdida por desgaste (0,120 g) para el compuesto desarrollado basado en AA6063.

Gráficos de contorno de los resultados de la optimización numérica.

Gráfico superpuesto que muestra la solución de optimización numérica.

Se desarrollaron sucesivamente compuestos híbridos de AA6063 reforzados con diferentes concentraciones de peso de Al2O3 y SBRC a partir de ceniza de hoja de bambú mediante la técnica de fundición por doble agitación. Los compuestos híbridos reforzados con 6% de alúmina + 4% SBRC de BLA, designados como B4 exhibieron mejores propiedades de desgaste abrasivo para todos los parámetros de desgaste considerados. La aplicación del modelo de diseño estadístico basado en el tipo de diseño compuesto central de RSM para simular experimentos de desgaste es efectiva y predice adecuadamente la respuesta al desgaste abrasivo de los compuestos híbridos de aluminio reforzado 6063 bajo las condiciones de prueba consideradas (composiciones variables de carga, velocidad y peso de relleno híbrido). . Los valores de tasa de desgaste óptimamente predichos y experimentales concuerdan, ya que las mejores propiedades de desgaste experimentales y óptimas predichas se obtuvieron mediante la relación de peso B4 de los refuerzos híbridos en todos los parámetros de desgaste impuestos (carga y velocidad), validando la notable capacidad del tipo de modelo de diseño elegido en relación con la presente investigación.

Todos los datos generados o analizados durante este estudio se incluyen en este artículo publicado.

Kanayo, K., Akintunde, IB, Apata, P. & Adewale, TM Características de fabricación y comportamiento mecánico de cenizas de cáscara de arroz: compuestos híbridos de matriz de aleación de Al-Mg-Si reforzados con alúmina. Integral Medicina. Res. 2, 60–67. https://doi.org/10.1016/j.jmrt.2013.03.012 (2013).

Artículo CAS Google Scholar

Uyyuru, RK, Surappa, MK y Brusethaug, S. Efecto de la fracción de volumen de refuerzo y la distribución de tamaño en el comportamiento tribológico del tribopar compuesto de Al/pastillas de freno. Use 260, 1248-1255. https://doi.org/10.1016/j.wear.2005.08.011 (2006).

Artículo CAS Google Scholar

Vedrtnam, A. & Kumar, A. Fabricación y caracterización del desgaste de carburo de silicio y compuesto de matriz de aluminio reforzado con cobre. Madre. Descubrimiento. 9, 16-22. https://doi.org/10.1016/j.md.2018.01.002 (2017).

Artículo de Google Scholar

Suresh, R. Estudio comparativo sobre el comportamiento de desgaste por deslizamiento en seco de compuestos de matriz metálica mono (Al2219/B4C) e híbridos (Al2219/B4C/Gr) utilizando técnica estadística. J. Mech. Comportamiento. Madre. 29, 57–68. https://doi.org/10.1515/jmbm-2020-0006 (2020).

Artículo de Google Scholar

Adediran, AA, Alaneme, KK, Oladele, IO y Akinlabi, ET Procesamiento y caracterización estructural de derivados carbotérmicos de cáscara de arroz a base de Si. Cogent Eng 2018; https://doi.org/10.1080/23311916.2018.1494499.

Adediran, AA, Alaneme, KK, Oladele, IO, Akinlabi, ET y Bayode, BL Efectos del tiempo de molienda en las características estructurales y morfológicas de compuestos refractarios a base de Si derivados de agrorresiduos seleccionados. Mater Today Proc 2020. https://doi.org/10.1016/j.matpr.2020.05.416.

Singh, KK, Singh, S. y Shrivastava, AK Comparación del comportamiento de desgaste y fricción de una aleación de matriz de aluminio (Al 7075) y un compuesto de matriz metálica de aluminio a base de carburo de silicio en condiciones secas a diferentes distancias de deslizamiento. Madre. Hoy Proc. 4, 8960–8970. https://doi.org/10.1016/j.matpr.2017.07.248 (2017).

Artículo CAS Google Scholar

Walczak, M., Pieniak, D. y Zwierzchowski, M. Las características tribológicas de los compuestos de aluminio reforzados con partículas de SiC. Arco. Civilización. Mec. Ing. 15, 116-123. https://doi.org/10.1016/j.acme.2014.05.003 (2015).

Artículo de Google Scholar

Alaneme, KK & Bodunrin, MO 6063 Compuestos de matriz metálica desarrollados mediante un proceso de fundición por agitación de dos pasos. Acta. Tecnología. Toro Corveniensis. Ing. 6, 105-110 (2013).

CAS Google Académico

Alaneme, KK, Ademilua, BO & Bodunrin, MO Propiedades mecánicas y comportamiento a la corrosión de compuestos híbridos de aluminio reforzados con carburo de silicio y ceniza de hojas de bambú. Tríbol. Indiana 35, 25-36 (2013).

Google Académico

ASTM Internacional. ASTM G195–18, Guía estándar para realizar pruebas de desgaste utilizando un abrasador de plataforma giratoria. West Conshohocken, Pensilvania, EE. UU.: 2018.

Alaneme, KK & Odoni, BU Propiedades mecánicas, comportamiento al desgaste y a la corrosión de compuestos de matriz de cobre reforzados con virutas de mecanizado de acero. Ing. Ciencia. Tecnología. En t. J. 19, 1593–1599. https://doi.org/10.1016/j.jestch.2016.04.006 (2016).

Artículo de Google Scholar

Idusuyi, N. & Olayinka, JI Características del desgaste por deslizamiento en seco de compuestos de matriz metálica de aluminio: una breve descripción. J. Mater. Res. Tecnología. 8, 3338–3346. https://doi.org/10.1016/j.jmrt.2019.04.017 (2019).

Artículo CAS Google Scholar

Radhika, N. y Subramaniam, R. Comportamiento de desgaste de compuestos de matriz metálica híbrida de aluminio/alúmina/grafito utilizando las técnicas de Taguchi. Ind. Lubr. Tríbol. 65, 166-174. https://doi.org/10.1108/00368791311311169 (2013).

Artículo de Google Scholar

Uthayakumar, M., Aravindan, S. y Rajkumar, K. Rendimiento frente al desgaste de compuestos híbridos Al-SiC-B4C en condiciones de deslizamiento seco. Madre. Des. 47, 456–464. https://doi.org/10.1016/j.matdes.2012.11.059 (2013).

Artículo CAS Google Scholar

Edoziuno, FO et al. Evaluación del desempeño tribológico de resina de poliéster reforzada con polvo de carbón vegetal con modelado y optimización de la superficie de respuesta. Tribol Ind. 43, 574–89 (2021).

Artículo de Google Scholar

Nwaeju, CC, Edoziuno, FO, Adediran, AA, Nnuka, EE & Akinlabi, ET Desarrollo de modelos de regresión para predecir y optimizar la composición y las propiedades mecánicas de la aleación de bronce al aluminio. Adv. Madre. Proceso. Tecnología. 00, 1–18. https://doi.org/10.1080/2374068X.2021.1939556 (2021).

Artículo de Google Scholar

Adzor, SA, Nwaeju, CC & Edoziuno, FO Optimización de la resistencia a la tracción para piezas soldadas de acero microaleado tratado térmicamente. Madre. Hoy Proc. https://doi.org/10.1016/j.matpr.2021.11.282 (2021).

Artículo de Google Scholar

Olorundaisi, E., Jamiru, T. y Adegbola, TA Modelado de superficies de respuesta y optimización de la temperatura y el tiempo de retención en acero de doble fase. Madre. Hoy Proc. https://doi.org/10.1016/j.matpr.2020.07.408 (2020).

Artículo de Google Scholar

Nwose, SA, Edoziuno, FO & Osuji, SO Análisis estadístico y modelado de superficie de respuesta de la inhibición de la resistencia a la compresión del petróleo crudo en cubos de prueba de concreto. Alger J. Ing. Tecnología. 04, 99-107. https://doi.org/10.5281/zenodo.4696030 (2021).

Artículo de Google Scholar

Edoziuno, FO et al. Optimización y desarrollo de modelos predictivos para la inhibición de la corrosión de acero dulce en ácido sulfúrico por carbamato de metil-5-benzoil-2-bencimidazol (mebendazol). Convincente. Ing. 7, 1714100. https://doi.org/10.1080/23311916.2020.1714100 (2020).

Artículo de Google Scholar

Fatoba, OS, Adesina, OS, Farotade, GA & Adediran, AA Modelado y optimización de acero inoxidable AISI 422 aleado con láser utilizando el modelo de superficie de respuesta y aproximación taguchi (RSM). actual. J. Aplica. Ciencia. Tecnología. 23, 1–16. https://doi.org/10.9734/CJAST/2017/24512 (2017).

Artículo de Google Scholar

Odoni, BU, Edoziuno, FO, Nwaeju, CC y Akaluzia, RO Análisis experimental, modelado predictivo y optimización de algunas propiedades físicas y mecánicas de compuestos a base de aleación de aluminio 6063 reforzados con ceniza de mazorca de maíz. J. Mater. Ing. Estructura. 7, 451–465 (2020).

CAS Google Académico

Edoziuno, FO, Akaluzia, RO, Odoni, BU & Edibo, S. Estudio experimental sobre el comportamiento tribológico (desgaste por deslizamiento en seco) de un compuesto híbrido de matriz de poliéster reforzado con partículas de carbón de madera y concha de bígaro. Universidad J. Rey Saud. Ing. Ciencia. https://doi.org/10.1016/j.jksues.2020.05.007 (2020).

Artículo de Google Scholar

Edoziuno, FO et al. Optimización y desarrollo de modelos predictivos para la inhibición de la corrosión de acero dulce en ácido sulfúrico por carbamato de metil-5-benzoil-2-bencimidazol (mebendazol). Convincente. Ing. 7, 1714100. https://doi.org/10.1080/23311916.2020.1714100 (2020).

Artículo de Google Scholar

Descargar referencias

Departamento de Ingeniería Mecánica, Universidad Redeemer, PMB 230, Ede, Estado de Osun, Nigeria

Olanrewaju S. Adesina y Olufemi O. Sanyaolu

Departamento de Ingeniería Mecánica, Universidad Landmark, PMB 1001, Omu - Aran, Estado de Kwara, Nigeria

Adeolu A. Adediran

Departamento de Ingeniería Metalúrgica, Politécnico Estatal de Delta, Ogwashi-Ukwu, 320107, Nigeria

Francis O. Edoziuno

Departamento de Ingeniería Química, de Materiales y Metalúrgica, Universidad Internacional de Ciencia y Tecnología de Botswana, Palapye, Botswana

Babatunde A. Obadele

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

Este trabajo se llevó a cabo en colaboración entre todos los autores. OSAAAA y FE diseñaron el estudio, realizaron el experimento, interpretaron los resultados y escribieron el primer borrador del manuscrito. OSA, OOS y BAO gestionaron los análisis del estudio, gestionaron búsquedas bibliográficas y edición gráfica. Todos los autores leyeron y aprobaron el manuscrito final.

Correspondencia a Olanrewaju S. Adesina o Adeolu A. Adediran.

Los autores declaran no tener conflictos de intereses.

Springer Nature se mantiene neutral con respecto a reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.

Acceso Abierto Este artículo está bajo una Licencia Internacional Creative Commons Attribution 4.0, que permite el uso, compartir, adaptación, distribución y reproducción en cualquier medio o formato, siempre y cuando se dé el crédito apropiado al autor(es) original(es) y a la fuente. proporcione un enlace a la licencia Creative Commons e indique si se realizaron cambios. Las imágenes u otro material de terceros en este artículo están incluidos en la licencia Creative Commons del artículo, a menos que se indique lo contrario en una línea de crédito al material. Si el material no está incluido en la licencia Creative Commons del artículo y su uso previsto no está permitido por la normativa legal o excede el uso permitido, deberá obtener permiso directamente del titular de los derechos de autor. Para ver una copia de esta licencia, visite http://creativecommons.org/licenses/by/4.0/.

Reimpresiones y permisos

Adesina, OS, Adediran, AA, Edoziuno, FO et al. Modelado estadístico de compuestos refractarios a base de Si de hoja de bambú y compuestos híbridos de aleación de Al-Si-Mg reforzados con alúmina. Representante científico 13, 5416 (2023). https://doi.org/10.1038/s41598-023-31364-7

Descargar cita

Recibido: 03 de junio de 2022

Aceptado: 10 de marzo de 2023

Publicado: 03 de abril de 2023

DOI: https://doi.org/10.1038/s41598-023-31364-7

Cualquier persona con la que compartas el siguiente enlace podrá leer este contenido:

Lo sentimos, actualmente no hay un enlace para compartir disponible para este artículo.

Proporcionado por la iniciativa de intercambio de contenidos Springer Nature SharedIt

Al enviar un comentario, acepta cumplir con nuestros Términos y pautas de la comunidad. Si encuentra algo abusivo o que no cumple con nuestros términos o pautas, márquelo como inapropiado.