MétaCan
Menu
Retour à la cohorte
Enregistrement W2079409862 · doi:10.1179/1879139514y.0000000176

Influence of thermal diffusion on decarburisation of iron–chromium alloy droplets by oxygen–argon gas mixtures

2014· article· en· W2079409862 sur OpenAlexafffund
Patricia Wu, Yi Yang, Mansoor Barati, Alex McLean

Notice bibliographique

RevueCanadian Metallurgical Quarterly · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueMetallurgical Processes and Thermodynamics
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésDecarburizationAlloyArgonMass transferDiffusionChromiumOxygenMetallurgyMaterials scienceThermodynamicsRefining (metallurgy)Chemistry

Résumé

récupéré en direct d'OpenAlex

Using an electromagnetic levitation technique, the kinetics of decarburization of Fe-Cr-C alloy droplets by oxygen-argon gas mixtures containing up to 10% oxygen was investigated at 1873K. Conventional formulation of governing mass transport numbers did not describe the experimental observations made during this study. It is hypothesized that the effects of thermal diffusion caused by the steep temperature gradient (~1550 degrees) between the incoming gas stream and the surface of the droplet, is responsible for the offset observed between the well-established mass transfer model and the experimental data for decarburization kinetics. This finding has important implications with respect to the application of appropriate mass/heat transport equations when using commercial software to model pyro-metallurgical processes, such as stainless steel refining, where large temperature gradients are an inherent component of the system.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,520
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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 ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,003
Tête enseignante GPT0,174
Écart entre enseignants0,171 · 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 tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
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

Citations2
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Metallurgical QuarterlyMême sujetMetallurgical Processes and ThermodynamicsTravaux en français237 207