MétaCan
Menu
Retour à la cohorte
Enregistrement W2068203055 · doi:10.1179/cmq.2003.42.3.333

AUSTENITIC MANGANESE STEELS – DEVELOPMENTS FOR HEAVY HAUL RAIL TRANSPORTATION

2003· article· en· W2068203055 sur OpenAlexaboutno aff
Richard W. Smith, W.B.F. Mackay

Notice bibliographique

RevueCanadian Metallurgical Quarterly · 2003
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrostructure and Mechanical Properties of Steels
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAlloyMetallurgyAusteniteMaterials scienceToughnessManganeseWeldingHumanitiesArtMicrostructure

Résumé

récupéré en direct d'OpenAlex

In 1882, Sir Thomas Hadfield patented an alloy with quite remarkable properties. Its composition was Fe-1.3%C-13%Mn and it was the toughest alloy known! The claim has stuck for the century since then and the alloy is now used universally for the “frog” in railway crossings in countries such as Canada where heavy loads are moved by rail using high axle loading. In fact, the alloy is very soft when cast, but hardens rapidly when deformed.The work described has been concerned with modifying the composition of the alloy in order to trade some of the enormous toughness for improved deformation and abrasion resistance in the as-cast condition. Since these frogs are usually rebuilt by arc welding, this too was examined in the test alloys. Recommendations are made for small metallic additions, improved heat treatment and an improved welding rod composition for use in rebuilding damaged Hadfield’s steel frogs.En 1882, Sir Thomas Hadfield a breveté un alliage ayant des propriétés bien remarquables. Sa composition était Fe-1.3%C-13%Mn et c’était l’alliage le plus résilient qui soit! La revendication a tenu tout le siècle qui a suivi et l’alliage est maintenant utilisé universellement pour le coeur d’aiguillage dans les croisements de chemin de fer dans des pays comme le Canada où des charges lourdes sont déplacées par rail en utilisant une charge élevée par essieu. En fait, l’alliage est très mou lorsqu’il est coulé mais il durcit rapidement lorsqu’il est déformé.Le travail décrit concerne la modification de la composition de l’alliage afin d’échanger un peu de l’énorme résilience contre une amélioration de la déformation et de la résistance à l’abrasion sous la condition de brut de coulée. Puisque ces coeurs d’aiguillage sont habituellement remis en état par le soudage à l’arc, on a également examiné cela dans les alliages évalués. On recommande de petites additions métalliques, un traitement thermique amélioré et une composition améliorée de la baguette de soudure pour utilisation dans la remise en état de coeurs d’aiguillage endommagés en acier de Hadfield.

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)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0130,006

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 Opus0,010
Tête enseignante GPT0,186
Écart entre enseignants0,176 · 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

Citations18
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Metallurgical QuarterlyMême sujetMicrostructure and Mechanical Properties of SteelsTravaux en français237 207