The Behaviour of Selenium Impurities During the Addition of Se‐Containing Manganese to Steel Melt
Notice bibliographique
Résumé
Manganese is an important alloy addition for alloy steels. It is normally added to steel melts as ferromanganese. However, for the adjustment of melt composition, manganese metal is used as a trimming addition since it has lower levels of impurities than ferromanganese. The manganese used for this purpose is obtained from the electrolytic processing route wherein selenium‐containing additives are added to the electrolyte bath to improve the current efficiency. This practice introduces selenium to the manganese metal. Given that selenium and its compounds are potentially toxic and damaging to the work place and environment, effluents have to be treated in a controlled manner. In order to determine how selenium typically distributes between molten steel, slag and gas phases, a laboratory‐scale experimental study was carried out to evaluate the deportment of selenium following the addition of selenium containing manganese to the steel melt. Contaminated commercial manganese metal, as well as Mn‐Al‐Se spiked briquettes with different selenium contents were added to steel melts at 1600 °C. Selenium recovery to the solidified steel samples varied from 16% to 75%, depending on selenium levels of additions. Owing to the high vapour pressure of selenium, significant amounts of the selenium added to the melt evaporated, reacting with air to form selenium dioxide. SEM analysis of the solidified steel samples revealed that the selenium was largely present as manganese selenide (MnSe) in the form of spherical inclusions within the iron matrix. A thermodynamic assessment on the potential formation of possible selenium compounds within the steel melt suggests that the most stable selenium compound under the test conditions is MnSe, in accord with experiments.
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 | 0,001 | 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 ».