为了在全球经济中竞争，制造商被迫转向小批量生产具有高附加值的创新和定制产品。 三维打印，也称为增材制造（AM）或快速原型制作，可实现并促进中量到批量产品的生产，这些产品可以单独定制。 该技术是真正的创新，具有无限的产品设计可能性和增强全球供应链能力的潜力。 从分销成本到组装和运输，一直到零部件本身，该技术提高了整个供应链的效率。 本文回顾了新供应链模型的演变，考察了AM在挑战传统制造约束方面的一些潜在优势，探讨了其对传统和全球供应链及物流的影响，并研究了其变革潜力及其对各个行业领域的影响。

MetalDAM MetalDAM是来自钢的增材制造的金相数据集。 所有图像均由安赛乐米塔尔（ArcelorMittal）工程师提供。 数据集 图片 下载 引用 42 164 标记的数据集 标记的集包含用扫描电子显微镜拍摄的42幅灰度图像，分辨率为1280x895和1024x703（在底部裁剪了信息带之后）。 标签 频率 0.矩阵 31.86％ 1.奥氏体 58.26％ 2.马氏体/奥氏体 8.96％ 3.沉淀* 0.24％ 4.缺陷 0.68％ （*）沉淀物尺寸的减小显着增加了注释这些微成分的工作量，因此在注释过程中忽略了其中的大多数。 未标记的数据集 也可以提供另外一组由相同材料获得的164张图像。 相关出版物 如果您想引用MetalDAM，请使用以下引用： @misc{metaldam, title={MetalDAM: Metallography datas

带有绝缘涂层的非晶纳米晶带材的制备方法及产品与流程.docx

GJB 2218A-2008 航空用钛及钛合金棒材和锻坯规范 代替GJB 2218-1994 国防科学技术工业委员会发布

foodwake 用python 爬取食物营养成分与科学食疗方案网站的所有食材的营养成分 [食物营养成分与科学食疗方案网站]： 爬取的数据格式为:食材名称 食材别名 食材营养成分 将爬取的数据存入mysql数据库 {"name": "蔓越莓（熟）", "info": [{"能量": "136千卡"}, {"蛋白质": "9.34克"}, {"脂肪": "0.46克"}, {"碳水化合物": "24.46克"}, {"粗纤维": "8.6克"}, {"单不饱和脂肪酸": "0.04克"}, {"多不饱和脂肪酸": "0.199克"}, {"多不饱和脂肪酸占总脂肪酸的比例": "55.6%"}, {"反式脂肪酸": "克"}, {"反式脂肪酸占总脂肪酸的比例": "0%"}, {"胆固醇": "毫克"}, {"植物固醇": "毫克"}, {"胡萝卜素": "微克"}, {"叶黄

大西洋焊材产品标准查询表.xlsx

套材下料代码matlab Python 编程作业 该 repo 包含我自己的所有个人作品/提交的 Python 版本课程，来自 github 用户：和 . 他们用 Python 提供作业，我自己完成。 该存储库包含由 Andrew Ng 教授教授的编程作业的 Python 版本。 这可能是最受欢迎的在线机器学习入门课程。 除了受欢迎之外，它还是任何感兴趣的学生可以开始学习机器学习的最佳机器学习课程之一。 这门课一个不幸的方面是编程作业是在 MATLAB 或 OCTAVE 中进行的，可能是因为这门课是在 python 成为机器学习的首选语言之前完成的。 Python 机器学习生态系统在过去几年呈指数级增长，并且仍在获得动力。 我怀疑许多想要开始机器学习之旅的学生也想从 Python 开始。 正是出于这些原因，我决定用 Python 重写所有的编程作业，这样学生们就可以从他们的学习之旅开始就熟悉它的生态系统。 这些作业与班级无缝协作，不需要任何在 MATLAB 作业中发布的材料。 以下是这些作业集的一些新的有用功能： 分配使用 ，它提供了比原始 MATLAB/OCTAVE 分配更容易的直观

铜材加工演示PPT课件.pptx

6材-广东移动通信有限责任公司深圳公司.pptx

高效率、低成本、制造周期短且无需模具的电弧增材制造技术为大型复杂金属结构件的生产提供了新方法。基于ANSYS参数化设计语言APDL,借助Jmatpro得到了高温下ER50-6碳钢焊丝材料的物理参数,采用生死单元法实现了电弧增材制造过程的动态模拟仿真。模拟分析了单道单层焊接以及焊后冷却过程的温度场分布及温度的变化规律,并与实验结果进行对比,验证了模拟的可行性与正确性。在此基础上分析了不同基板厚度下电弧增材制造温度场的变化规律,得到了增材制造的最佳基板厚度,并研究了直壁零件单道多层增材制造过程中温度场的变化规律。实验得到的焊道温度变化规律可为增材制造后借助堆焊余温对成形件进行锻打改性的时机的选择提供重要的理论依据。