MétaCan
Menu
Retour à la cohorte
Enregistrement W1971090248 · doi:10.4236/msa.2012.38073

A Study on Wear Resistance, Hardness and Impact Behaviour of Carburized Fe-Based Powder Metallurgy Parts for Automotive Applications

2012· article· en· W1971090248 sur OpenAlexaff
Ali Emamian

Notice bibliographique

RevueMaterials Sciences and Applications · 2012
Typearticle
Langueen
DomaineEngineering
ThématiquePowder Metallurgy Techniques and Materials
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésCarburizingMaterials scienceMetallurgyPowder metallurgyWear resistanceCase hardeningHardening (computing)ToughnessQuenching (fluorescence)HardnessCarbideComposite materialMicrostructure

Résumé

récupéré en direct d'OpenAlex

In order to study the mechanical and triboloical properties of powder metallurgy (PM) parts under different process parameters, the specimens were used in pack carburizing processes. These specimens made from industrial test pieces were carburized in a powder pack for about two to five hours at a temperature of about 850?C - 950?C. The effects of austenitization and quenching are investigated on some specimens. Also the wear tests are performed by means of a pin-on-disc tribotester using roll bearing steel as the counterface material. The results indicate that by appropriate selection of process parameters, it is possible to obtain high wear resistance along with moderate toughness. It is concluded that surface treatments increases the wear resistance and performance of PM parts in service conditions. By increasing the role of PM in industry which resulted from their ability to produce the complex shapes, high production rate, and dimension accuracy of final products, they need to be heat treated. Carburizing method was selected as a surface hardening method for PM parts. Results of wear and hardness show considerable enhancement in mechanical properties of PM parts.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,310
Écart entre enseignants0,280 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMaterials Sciences and ApplicationsMême sujetPowder Metallurgy Techniques and MaterialsTravaux en français237 207