AISI/DOE Technology Roadmap Program: Removal of Residual Elements in The Steel Ladle by a Combination of Top Slag and Deep Injection Practice
Notice bibliographique
Résumé
The objective of this work was to determine if tin could be removed from liquid steel by a combination of deep injection of calcium and a reducing top-slag practice. The work was carried out in three stages: injection of Ca wire into 35 Kg heats in an induction furnace under laboratory condition; a fundamental study of the solubility of Sn in the slag as a function of oxygen potential, temperature and slag composition; and, two full-scale plant trials. During the first stage, it was found that 7 to 50% of the Sn was removed from initial Sn contents of 0.1%, using 8 to 16 Kg of calcium per tonne of steel. The Sn solubility study suggested that low oxygen potential, high basicity of the slag and lower temperature would aid Sn removal by deep injection of Ca in the bath. However, two full-scale trials at the LMF station in Dofasco's plant showed virtually no Sn removal, mainly because of very low Ca consumption rates used (0.5 to 1.1 Kg/tonne vs. 8 to 16 Kg/tonne used during the induction furnace study in the laboratory). Based on the current price of Ca, addition of 8 to 16 Kg/tonne of steel to remove Sn is too cost prohibitive, and therefore, it is not worthwhile to pursue this process further, even though it may be technically feasible.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».