MétaCan
Menu
Retour à la cohorte

A Novel Rolling-Annealing Cycle for Enhanced Deep Drawing Properties in IF Steels

2003· article· en· W2011370565 sur OpenAlexaboutno aff
Lam Kai Tung, Zakaria Quadir, B.J. Duggan

Notice bibliographique

RevueKey engineering materials · 2003
Typearticle
Langueen
DomaineEngineering
ThématiqueMetal Forming Simulation Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceAnnealing (glass)MetallurgyDeep drawing

Résumé

récupéré en direct d'OpenAlex

To give good drawability, a steel needs high volume fractions of the annealing texture component {111} and a low fraction of ∼{100}<011>. This is achieved in conventional Interstitial Free (IF) steels by a cold rolling reduction of 85% and an anneal at 750°C-800°C for a few minutes. In this research, a double rolling and annealing process is examined based upon the notion that if {111} can be produced, further rolling of the material should provide nuclei of {111} by the process of deformation banding. In Canadian prize winning work it was demonstrated that rolling ferrite at 700°C, produced a strong {111} texture after annealing at 700°C and so this was also selected for further rolling and annealing. The results were highly encouraging, the intensity of {111} increased to levels well above 30X Random. An Orientation Imaging Microscopy (OIM) investigation revealed that the {111} oriented grains were subject to orientation splitting around <111>ND, and this process of deformation banding produced the necessary lattice curvature for nucleation of the texture components essential for good deep drawability. A detailed investigation of such two stage deformation processes was undertaken in which the total strain was kept constant, with first and second rolling interrupted by annealing before the final recrystallization anneal was made. The results are complex, but it is certain that <111>{hkl} as a starting orientation before second rolling is essential for the success of the process.

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)0,000
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 seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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 ouverte0,0010,000
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 Opus0,015
Tête enseignante GPT0,218
Écart entre enseignants0,203 · 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

Citations7
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKey engineering materialsMême sujetMetal Forming Simulation TechniquesTravaux en français237 207