MétaCan
Menu
Retour à la cohorte
Enregistrement W2466546342 · doi:10.1002/srin.200506094

Chromium Oxide Reduction from Slag by Silicon and Magnesium

2005· article· en· W2466546342 sur OpenAlexaff
G. Gutiérrez, Antonio Romero‐Serrano, Gabriel Plascencia, Marissa Vargas Ramírez, B. Zeifert, Víctor Arredondo‐Torres

Notice bibliographique

Revuesteel research international · 2005
Typearticle
Langueen
DomaineEngineering
ThématiqueMetallurgical Processes and Thermodynamics
Établissements canadiensUniversity of Toronto
Organismes subventionnairesComisión de Operación y Fomento de Actividades Académicas, Instituto Politécnico NacionalConsejo Nacional de Ciencia y Tecnología
Mots-clésChromiumSlag (welding)Materials scienceSpinelMagnesiumSiliconMetallurgyOxideYield (engineering)Reducing agentChemistryPhysical chemistry

Résumé

récupéré en direct d'OpenAlex

Experimental and theoretical studies were performed in order to estimate the effect of the basicity of the slag as well as the amount of reducing agents on the reduction of chromium oxide from a slag in contact with molten steel at 1600 °C. The aim of this work was to compare the efficiency of magnesium and silicon as reducing agents of Cr 2 O 3 . The slag system contained CaO, MgO, SiO 2 , CaF 2 and Cr 2 O 3 together with Fe‐alloys (Fe‐Si or Fe‐Si‐Mg). The maximum Cr yield was about 81% with Fe‐44%Si‐9%Mg and 88% with Fe‐75%Si. That means that the reducing effect of Mg was much better than that of Si. Some experiments were conducted to study the effect of initial Cr in steel on the chromium oxide reduction reaction. Three initial Cr contents were tested (0.15, 2 and 4 mass%). It was found that chrome was partially bound into stable spinel phase MgO·Cr 2 O 3 in the final slag. Thermodynamic estimations were made to determine the effect of process temperature, slag basicity and the amount of reducing agents in the slag on the Cr recovery. The efficiency of Cr reducing agents increased in the order: Si, Al, Ca and Mg. The Cr yield increased with slag basicity and amount of reducing agents.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,901
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)0,0010,000

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 Opus0,021
Tête enseignante GPT0,297
Écart entre enseignants0,276 · 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'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

Citations12
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuesteel research internationalMême sujetMetallurgical Processes and ThermodynamicsTravaux en français237 207