Accueil › Annuaire des chercheurs › Riad Khettabi
Riad Khettabi
Affiliation : Université du Québec à Trois-Rivières
- 14Publications (affiliation algérienne)
- 59Publications au total
- 830Citations
- 16Indice h
Profil de recherche
Riad Khettabi compte 14 publications référencées (2013–2021). Ses travaux paraissent principalement dans « The International Journal of Advanced Manufacturing Technology », « Periodica Polytechnica Mechanical Engineering » et « Proceedings of the Institution of Mechanical Engineers Part C Journal of Mechanical Engineering Science ». Son article le plus cité, « Investigation of the performance of the MQL, dry, and wet turning by response surface methodology (RSM) and artificial neural network (ANN) » (2017), a été cité 90 fois. 3 de ces publications datent des trois dernières années d’activité. Ses travaux sont cosignés avec au moins 12 chercheurs, notamment dans des établissements de Canada.
C’est vous ? Faites connaître vos travaux
Créez gratuitement votre profil DzCademia et ajoutez vos articles : ils apparaîtront plus facilement sur Google et dans les assistants d’IA comme ChatGPT. Plus de personnes pourront vous lire et vous citer.
Créer mon profil gratuit Ajouter mes publicationsDomaines de recherche
- Advanced machining processes and optimization
- Advanced Machining and Optimization Techniques
- Engineering Technology and Methodologies
- Air Quality and Health Impacts
- Advanced Surface Polishing Techniques
Publications (14)
- Multi-response optimization using artificial neural network-based GWO algorithm for high machining performance with minimum quantity lubrication
- Modeling and Optimization of Cutting Parameters during Machining of Austenitic Stainless Steel AISI304 Using RSM and Desirability Approach
- Prediction of machining performance using RSM and ANN models in hard turning of martensitic stainless steel AISI 420
- Cutting Conditions Modeling and Optimization in Hard Turning Using RSM, ANN and Desirability Function
- Microstructure and crystallographic properties of Cu77Zn21alloy under the effect of heat treatment
- Investigation of the performance of the MQL, dry, and wet turning by response surface methodology (RSM) and artificial neural network (ANN)
- Effect of MQL and dry processes on the particle emission and part quality during milling of aluminum alloys
- Comparative assessment of cooling conditions, including MQL technology on machining factors in an environmentally friendly approach
- Optimization of Machining Process During Turning of X210Cr12 Steel Under MQL Cooling as a Key Factor in Clean Production
- Design optimization for minimum technological parameters when dry turning of AISI D3 steel using Taguchi method
- Multi-objective optimization of surface roughness, cutting forces, productivity and Power consumption when turning of Inconel 718
- Experimental study of a turbo-alternator in industrial environment using cyclostationarity analysis
- Erratum to: Machinability and Machining of Titanium Alloys: A Review
- On the micro and nanoparticle emission during machining of titanium and aluminum alloys
Revues de publication
- The International Journal of Advanced Manufacturing Technology × 6
- Periodica Polytechnica Mechanical Engineering × 1
- Proceedings of the Institution of Mechanical Engineers Part C Journal of Mechanical Engineering Science × 1
- Journal of Failure Analysis and Prevention × 1
- Materials at High Temperatures × 1
- Lecture notes in mechanical engineering × 1
Publications par année
- 20211
- 20201
- 20191
- 20182
- 20174
- 20161
- 20152
- 20141
- 20131
Collaborations
Établissements partenaires : University of Guelma · École de Technologie Supérieure · Badji Mokhtar-Annaba University · University of Skikda · Université du Québec
Pays des co-auteurs : Canada
Co-auteurs
- Mohamed Athmane Yallese
- Mourad Nouioua
- Salim Belhadi
- Oussama Zerti
- Hamid Tebassi
- Ikhlas Meddour
- Abderrahmen Zerti
- Abderrazek Djebala
- Septi Boucherit
- Kamel Chaoui
- Abdenour Kabir
- Kamel Belmokre
Données bibliographiques issues d’OpenAlex (base ouverte).
Pourquoi choisir Dzcademia ?
Pour donner à vos travaux plus de chances d’être découverts et recommandés par les IA. Profils, articles et communications : donnez à votre recherche une présence publique structurée. Les métadonnées intégrées aident les moteurs de recherche et les assistants IA à identifier vos travaux et à comprendre leurs références.
Commenter avec Google
Connecte-toi avec Google pour commenter directement sur cette page.