Rasgele Arama Olasılığı
Rasgele Arama OlasılığıRasgele arama olasılığı, qKj özyinelemeli arama olasılığı ve Kj hedef makalenin atıf sayısıdır. Bu nedenle, tercihli bağlanma mekanizmasının mikroskobik bir gerekçesi olarak uzun süre azaltıldı ve uzun süre kabul edildi.Bununla birlikte, türetilmesinin çok basitleştirici varsayımlara dayandığına dikkat edin: tüm kağıtların rastgele seçilme olasılığı aynıdır, rastgele bulunan kağıdın yalnızca bir atası yeni bir kağıt tarafından seçilir, eskime ve hafıza yoktur.Bu varsayımlardan, yaşlanmanın olmaması türetilmesi için çok önemlidir. Eskimenin varlığında, özyinelemeli arama mekanizması, ΔKj'nin (t - Δ) t , t - Δ zaman penceresinde kağıt tarafından toplanan alıntıların sayısı olduğu ve Δ'nın karakteristik bellek süresi olduğu yerde verir. Önceki bölümlerde gösterdiğimiz gibi, makalelerin alıntı dinamiğini daha gerçekçi bir şekilde yakalar. Ancak bu denklem, özellikle kısa Δ için tercihli bağlanma modelinden çok farklıdır.Bu kitapta, uygunluk temelli aramayı yinelemeli aramaya yerleştiren ve alıntı ağının yaşlanmasını, hafızasını ve topolojisini doğru bir şekilde dikkate alan gerçekçi bir alıntı dinamikleri modeli gösterdik.Aslında, geliştirilen özyinelemeli arama algoritmasının kemiklerine daha fazla ağırlık verdik ve onu bilimsel makalelerin alıntı dinamiklerini hesaba katmak için nicel bir araca dönüştürdük. Modelimiz, fitness modelini ve tercihli bağlanma modelini (hafızayla da olsa, aşağıdaki yaklaşımı) birleştirir.Bu model, yazarın referans listesini oluştururken izlediği makul bir algoritma varsayar. Modelimiz tercihli eki varsaymasa da, bu model tarafından oluşturulan alıntı dinamikleri, uygunluk temelli tüm modellerde olduğu gibi takip eder.Karşılaştırılması bunu oldukça inandırıcı bir şekilde gösteriyor. Bu iki rakam çok benzer görünse de, ikincisi basit bir uygunluk modeli kullanılarak oluşturulmuş ve ilki yinelemeli arama modelimiz kullanılarak oluşturulmuştur. Ve her ikisi de tercihli bir bağlanma modeli kullanılarak üretilmiş gibi görünüyor.Sürekli rastgele değişken örnekleri Ayrık Rastgele değişkenler Sürekli olasılık dağılımları Sürekli olasılık dağılım fonksiyonu örnekleri Olasılık ve rasgele Değişkenler Ders Notları Rassal değişken örnekleri İki boyutlu rasgele değişkenler Rassal değişken NedirTercihli Bağlanma ve Uygunluk Modelleri Arasındaki EşdeğerlikHem Caldarelli hem de Bianconi-Barabasi uygunluk modelleri, düğümün kalitesini/benzerliğini yakalarken, matematiksel olarak farklıdırlar. Gerçekten de, Bianconi-Barabasi'nin zindeliği, tercihli bağlanmanın üstüne eklenirken, Caldarelli'nin zindeliğinin tercihli bağlanma ile hiçbir ilgisi yoktur.Bununla birlikte, sadece uygunluk modelinin bir anlamda klasik tercihli bağlanma modeline eşdeğer olduğunu iddia ediyoruz. Bu denkliği göstermek için, buna göre büyüyen karmaşık bir ağ ele alıyoruz.Her düğüm, kalan belirli bir uygunluk η ile donatılmıştır. Düğümün ömrü boyunca sabittir. Bu uygunluk uygunluk dağılımı ρ(η)'den alınır, burada ∞ ρ(η)dη = 1. Ayrıca ΔK'nin, zaman penceresi (t , t + Δt ) sırasında bir düğüm tarafından 0 toplanan yeni kenarların sayısı olduğunu varsayıyoruz. Poisson dağılımı, λΔK e−λ ile temsil edilir.Düğümün uygunluğu η tarafından belirlenir. A(t) normalleştirilmiş yaşlanma fonksiyonudur. Bu kısıtlama altında uygunluk η, düğümün uzun zaman sınırındaki derecesidir, yani η ≈ K∞.Bu ifade, K0 = 1 ve ε = 0'dan başka bir şey değildir. [İlginç bir şekilde, bu türetme, de Solla Price, K0 = 1 başlangıç varsayımını doğrular.] Benzer bir sonuç daha önce farklı bir yaklaşım kullanılarak elde edilmişti.Genellikle gerçek karmaşık ağların büyüme mekanizmasının bir değerlendirme aracı olarak kabul edilir. Burada bu denklemin ayırt edici olmadığını ve yalnızca tercihli bağlanma için değil, uygunluk modeli için de geçerli olduğunu gösteriyoruz.Burada η, ortalama referans listesi uzunluğu olan R0 ile çarpılır). Bu düğümlerin büyümesini ve yaşlanmayı simüle ettik. fonksiyon A(t) = 0.035t . (Simülasyonun parametreleri, bildirildiği gibi Fizik makalelerinin ölçülen alıntı dinamiklerini taklit edecek şekilde |t −2.4|1.3 şekilde seçildi.Zaman, t =0tot =25'ten,Δt =1,bu şekilde adımlarla çalıştırıldı. Bu kümedeki her j düğümü için, t zamanından sonra biriken toplam 0 kenar sayısı olan Kj(t) ve kazanılan ek kenarların sayısı olan ΔKj(t)'yi belirledik. Her t için, tüm düğümleri logaritmik olarak aralıklı 40 bölmede gruplandırdık, her bölme K'nin yakın değerlerine sahip düğümleri içeriyordu. Her bölme için, ΔK dağılımını belirledik ve ortalamasını, ΔK bulduk. A, küçük K için K'ye karşı ΔK çizer. Önerildiği gibi, ortak kesişimi -1 olan düz çizgiler gözlemliyoruz. Tüm ΔK (K ) bağımlılığına uyması için aşağıdaki denklemi kullandık.0'dan 2'ye makul μ ve 1'den 2'ye σ makul değerleri için K0, 0,5 ile 1,5 arasındadır. σ ve daha az ölçüde μ ile belirlenir. Bütün bunlar şu anlama gelir: K0, büyük K'den ekstrapolasyon kullanılarak ölçülürse, kişi her zaman K0 = 1 alır.Öte yandan, uygunluk dağılımlarının çoğu geniş olduğundan, çoğu çalışmada genellikle yapıldığı gibi küçük K için yapılan tahminler K0 = 0,5–1,5 verir. Dar uygunluk dağılımı için K0'ın daha yüksek olabileceğini gösterir.Atıf dinamiği çalışmalarımızdan çıkarılan ölçülen K0 değerlerinin grafiğini çiziyoruz. Üç araştırma alanını ele aldık: Fizik, Ekonomi ve Matematik ve tüm bu alanlar için uygunluk dağılımlarının aynı σ = 1.1 ile log-normaller olduğunu bulduk. Ölçülen ve hesaplanan başlangıç çekicilikleri K0 iyi bir uyum içindedir ve hepsi 1'e yakındır.Böylece sayısal simülasyonumuz, varsayıldığı gibi başlangıç çekiciliği K0 ≈ 1 ile destekler. Doğal soru ortaya çıkıyor - neden K0 ≈ 1 bu kadar yaygın? K0 ≈ 1'in μ'den bağımsız olarak σ = 1–1,5'e karşılık geldiğini gösterir.Buna göre büyüyen log-normal uygunluk dağılımına sahip karmaşık ağları incelemek için sayısal simülasyon kullanıldı. Ortaya çıkan ağ yapısının, uygunluk dağılımının σ genişliğine güçlü bir şekilde bağlı olduğunu, özellikle, kuvvet yasası derecesi dağılımının yalnızca σ ≈ 1 için göründüğünü ve üssünün ν 3'e yakın olduğunu bulmuşlardır.Bu gözlem, başlangıçtaki çekiciliğin, uygunluk modeli çerçevesinde, K0 ≈ 1'in karmaşık ağlardaki evrenselliğinin, çoğunun sergilediği gerçeğinin bir sonucu olacak şekilde, derece dağılımının üssüne bağlandığını ima eder.

 Süreç Parametreleri – Basım Teknolojileri – Basım Teknolojileri Ödevleri – Basım Teknolojileri Ödev Ücretleri – Basım Teknolojileri Bölümü

 Süreç Parametreleri ve Süreç Optimizasyonu

UAM’nin önemli kontrol edilebilir işlem parametreleri şunlardır: (a) salınım genliği, (b) normal kuvvet, (c) hareket hızı ve (d) sıcaklık. UAM’deki yapıştırma kalitesinin, bu işlem parametrelerinin her birinden önemli ölçüde etkilendiği bulunmuştur. Aşağıda, bu parametrelerin her birinin ve bunların UAM’de bağlanmayı nasıl etkilediğinin kısa bir tartışması yer almaktadır.

Salınım Genliği

Enerji girişi, eşleşen metal arayüzler arasındaki elastik/plastik deformasyon derecesini doğrudan etkiler ve sonuç olarak bağ oluşumunu etkiler. Sonotrodun salınım genliği ve frekansı, bağ oluşumu için mevcut olan ultrasonik enerji miktarını belirler.

Ticari UAM makinelerinde, sonotrode geometrisi, dönüştürücü ve güçlendirici donanımı ve makine güç kaynağı temel alınarak önceden ayarlandığı için salınım frekansı ayarlanamaz. UAM’de, ultrasonik enerji girişi için doğrudan kontrol edilebilen parametre salınım genliğidir.

Genel olarak konuşursak, salınım genliği ne kadar yüksek olursa, iletilen ultrasonik enerji de o kadar büyük olur. Sonuç olarak, daha fazla enerji için, eşleşen metal arayüzünde daha fazla elastik/plastik deformasyon meydana gelir ve bu nedenle daha iyi kaynak kalitesi elde edilir. Bununla birlikte, belirli bir folyo kalınlığı, geometrisi ve malzeme kombinasyonu için optimum bir salınım genliği seviyesi vardır.

Arayüzde doğal olarak bulunan yüzey pürüzlülüğü nedeniyle boşlukların doldurulmasına yardımcı olmak için plastik deformasyon elde etmek için yeterli miktarda ultrasonik enerji girişi gereklidir. Bununla birlikte, enerji girişi kritik bir seviyeyi aştığında, aşırı plastik deformasyon, aşırı stres ve/veya yorulma nedeniyle kaynak arayüzünde önceden oluşturulmuş bağlara zarar verebileceğinden, bağlanma bozulur.

Normal Kuvvet

Normal kuvvet, sonotrode tarafından folyoya uygulanan ve katmanları birbirine bastıran yüktür. Sonotrode’daki ultrasonik enerjinin, arayüz boyunca metalurjik bağlar oluşturmak için folyolara iletilmesini sağlamak için yeterli normal kuvvet gereklidir. Bu işlem parametresi ayrıca en iyi yapıştırma için optimize edilmiş bir seviyeye sahiptir.

Optimum seviyeden daha yüksek veya daha düşük bir normal kuvvet, bağların kalitesini bozar ve elde edilen LWD’yi düşürür. Normal kuvvet optimum seviyenin üzerine çıktığında, eşleşme arayüzündeki stres durumu o kadar şiddetli olabilir ki, tıpkı salınım genliği optimum seviyesini aştığında meydana geldiği gibi, oluşan bağlar zarar görür.

Sonotrot Hızı

Kaynak maruz kalma süresi, ultrasonik kaynak sırasında bağ kuvveti üzerinde doğrudan bir etkiye sahiptir. UAM kaynağında, maruz kalma süresi sonotrode’un hareket hızı ile belirlenir. Daha yüksek hızlar, belirli bir alan için daha kısa kaynak maruz kalma süreleriyle sonuçlanır. Ultrasonik enerjinin aşırı girişi, önceden oluşturulmuş metal bağların bozulmasına ve metal yorgunluğuna neden olabilir. Bu nedenle, aşırı ultrasonik enerjinin neden olduğu bağ hasarını önlemek için, güçlü bağlar için optimum hareket hızı önemlidir.


Süreç Analizi nedir
Süreç Analizi örnekleri
Süreç analizi aşamaları
Süreç Özellikleri
Süreç analizi yöntemleri
Süreç analizi soruları
Süreç Özellikleri aşağıdakilerden hangisidir
Süreç Yönetimi


Ön Isıtma Sıcaklığı

UAM işleme sırasında ortam sıcaklığında metalurjik bağlar kurulabilir. Bununla birlikte, birçok malzeme için artan bir ön ısıtma sıcaklığı bağ oluşumunu kolaylaştırır. Isıtma, metallerin akış stresini azaltarak bağ oluşumuna doğrudan fayda sağlar. Ancak aşırı ısınmanın zararlı etkileri olabilir. Yüksek seviyelerde metal folyo yumuşatma, metal folyo parçalarının sonotroda yapışmasına neden olabilir.

Ek olarak, gömülü elektroniklere sahip yapıların imalatı durumunda, aşırı sıcaklık gömülü elektroniklere zarar verebilir. Cu gibi belirli malzemeler için, yüksek sıcaklıklarda gelişmiş oksit oluşumu oksit giderimini engelleyecektir. Son olarak, bazı malzemeler için yüksek sıcaklıklar, malzemeyi gevrekleştirebilen ve erken parça arızasına neden olabilen çökelme sertleşmesi gibi metalurjik “yaşlanma” olaylarına neden olur.

Diğer Parametreler

Metal folyo kalınlığı, UAM’de dikkate alınması gereken bir diğer önemli faktördür. UAM’de kullanılan en yaygın metal folyolar ~150 μm mertebesindedir. Genel olarak konuşursak, ince metal folyolar arasında bağlar, kalın olanlar arasında olduğundan daha kolay oluşturulur. Bununla birlikte, kolayca çizilebildikleri veya bükülebildikleri için folyo hasarı, daha ince metal folyoların UAM’si için önemli bir endişe kaynağıdır; ve bu nedenle UAM’de en çok 100 ila 200 μm arasındaki metal folyolar kullanılır.

Malzemeyle ilgili sabitlere ek olarak, proses optimizasyonu sonotrotun yüzey durumundan, özellikle de sonotrod yüzey pürüzlülüğünden etkilenir. UAM’deki tipik bir sonotrot, titanyum veya takım çeliğinden yapılır. Sonotrode’un yüzeyi, sonotrot ile bırakılan folyo arasındaki sürtünmeyi arttırmak için EDM ile pürüzlendirilmiştir. Ancak, sonotrotun yüzey pürüzlülüğü, uzun süreli kullanımdan sonra önemli ölçüde azalır.

Böylece optimize edilmiş parametreler, sonotrode yüzeyinin durumuyla birlikte değişir. Bu nedenle, düzenli sonotrode pürüzlülük ölçümleri uygulamak ve buna göre işlem parametrelerini değiştirmek gereklidir. Ayrıca, sonotrode yüzey pürüzlülüğü yeni bırakılan folyonun en üst yüzeyine basılır.

Sonuç olarak, bu yüzey pürüzlülüğü, bir sonraki tabakanın biriktirilmesi sırasında plastik deformasyon ile aşılmalıdır. Bu nedenle, optimum bir yüzey pürüzlülük koşulu, bırakılan folyonun yüzey pürüzlülüğünü önemli ölçüde artırmadan, sonotrot ile bırakılan folyo arasında hiçbir kayma içermeyen koşul olacaktır. Kayma genellikle azalan pürüzlülükle arttığından, sonotrode yüzey pürüzlülüğünü optimize etmek doğası gereği zordur.

Mikroyapılar ve Mekanik Özellikler

UAM yapımı parçalardaki en yaygın kusurlar boşluklardır. Boşluklar ya katmanlar arasındaki arayüzler boyunca ya da her katmanı oluşturmak için yan yana yerleştirilmiş folyolar arasında oluşur. Tartışma kolaylığı için kusurlar, kusur kaynağına göre üç tipe ayrılır.

Tip-1 kusurları, folyo yüzey pürüzlülüğü ve/veya yetersiz giriş enerjisi nedeniyle katman/katman arayüzleri boyunca oluşan boşluklardır. Tip-2 kusurları, UAM sırasında aşırı enerji girişi daha önce oluşturulmuş bağların kırılmasına neden olduğunda oluşturulan, yine katman/katman arayüzünde bulunan hasarlı alanlardır. Tip-3 kusurları, bir katman içindeki bitişik folyolar arasında bulunur.

Kusurların yüzeylerinde oksit tabakalarının varlığı gözlemlenerek veya kusur morfolojisine bakılarak kusur tipleri belirlenebilir. Tip-1 kusurlar için metal yüzeyler yapışmadığından oksit tabakaları zarar görmez ve kalkmaz ve gözlenebilmektedir.

Ek olarak, Tip-1 kusurları tipik olarak düz bir üst yüzeye ve yuvarlak bir alt yüzeye sahiptir (burada düz üst yüzey yeni bırakılmış, pürüzsüz folyodur ve yuvarlak alt yüzey, görüldüğü gibi önceden bırakılmış folyonun bağlanmamış üst yüzeyidir). 

Tip-2 kusurlar için, bağlanma meydana geldiğinden, oksit tabakaları bozulmuştur ve yerinin belirlenmesi zordur. Bu nedenle, Tip-2 kusurları, Tip-1 kusurlarından farklı bir morfolojiye sahiptir, çünkü bunlar, hiç bağlanmamış bölgelerden ziyade, bağlanmadan sonra ara yüzün parçalandığı boşlukları temsil eder.

Tip-3 kusurları, gösterildiği gibi bitişik metal folyolar arasındaki fiziksel boşluklardır. UAM’de, yazılım içindeki folyo genişliği ayarı, sonotrode ve folyo yerleştirme mekanizmasının bir katman içindeki bitişik folyoların biriktirilmesi arasında hareket ettiği ofset mesafesini belirler. Ayar değeri gerçek metal folyo genişliğinden büyükse bitişik folyolar arasında her zaman boşluklar olacaktır.

Folyo genişliğinin üzerindeki genişlik ayarı ne kadar büyük olursa, ortalama fiziksel boşluk da o kadar büyük olur. Genişlik ayarı, folyonun gerçek genişliğinden daha küçükse, boşluklar en aza indirilecektir. Ancak fazla bindirme, bindirilen alanlarda yüzey pürüzlülüğüne ve kaynakta güçlüklere neden olur. Bu nedenle, bir UAM makinesinde folyo yerleştirme mekanizmasının yanlış konumlandırılması, yanlış genişlik ayarlarıyla birleştiğinde, Tip-3 kusurlarına neden olur.

yazar avatarı
tercüman tercüman