Analytical and Numerical Simulation of Deep Drawing and Ironing

J. Mulder; J. Nový; H. Vegter

추천

검색

질문

자료유형: 학술대회자료

저자정보: J. Mulder (Tata Steel Research) J. Nový (MECAS ESI s.r.o.) H. Vegter (Tata Steel Research)

저널정보: 한국소성·가공학회 기타자료 The 8th International Conference and Workshop on numerical simulation of 3D seet metal forming processes (NUMISHEET 2011)

발행연도: 2011.8

수록면: 134 - 141 (8page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

The prediction of earing and wall thickness distribution in cylindrical deep drawing is a challenging task even for today’s FEA programs with advanced yield loci. The current work involves an analytical description of cylindrical deep drawing that is comparable in accuracy to advanced numerical models. The analytical approach shows the importance for these type of simulations of fitting the yield locus description to test results in multiple directions, and the limitations in earing prediction due to the inaccuracy of these tests. A consecutive ironing operation poses additional challenges, in particular for shell elements in FE simulations, due to through thickness stress. The applicability of a new shell option in Pam-Stamp 2G is demonstrated for this situation.

#Earing #Anisotropy #Deep drawing #Ironing

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

이 논문의 저자 정보

J. Mulder

소속기관 Tata Steel Research

주요연구분야 공학 > 재료·에너지공학 > 재료공학

논문수 1 이용수 39

J. Nový

소속기관 MECAS ESI s.r.o.

주요연구분야 공학 > 재료·에너지공학 > 재료공학

논문수 1 이용수 39

H. Vegter

소속기관 IJmuiden Technology Centre

주요연구분야 공학 > 재료·에너지공학 > 재료공학

논문수 2 이용수 63

이 논문과 함께 이용한 논문

아이어닝에 있어 표면영향을 고려한 마찰처리 수식모델 개발

오박균 , 박경우 , 손남길 대한기계학회 춘추학술대회 2005 .11

Die design system for deep drawing and ironing of high pressure gas cylinder

Ji-Hun Yoon , Young-Choi , Yoon-So Pa 외 1명 International Journal of Precision Engineering and Manufacturing 2005 .10

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)