Modeling of the Influence of Admixing and Prealloying on the Optimisation of Compressibility and Sinter-Hardenability of Steel Powders
Notice bibliographique
Résumé
The automotive industry applies pressure on the PM industry to produce components with superior mechanical properties at minimum cost. In this regard, sinter-hardenable powders are particularly well suited since they allow direct quenching of components at the end of the sintering cycle, thus eliminating the extra steps required for heat treating. This paper presents the results of the modeling of the influence of admixing and/or prealloying on the optimization of compressibility and hardenability of sinter-hardenable steel powders. A first design of experiments (DOE) was used to optimize the chemical composition and to study the interactions between prealloyed elements (Nickel, Chromium, Molybdenum and Manganese) and admixed elements (Nickel, Chromium, Manganese and Copper) on hardenability and compressibility. A second DOE was generated based on the results obtained in the first series. Results show that among all of the examined alloying elements, only prealloyed nickel, chromium and molybdenum had a significant effect on compressibility and hardenability. Moreover, within the range of concentrations under study, the optimum sinter-hardenable powder had the following (prealloyed) chemistry: 1.5 wt-% Ni, 0.55 wt-% Cr and 1.25 wt-% Mo.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».