MétaCan
Menu
Retour à la cohorte
Enregistrement W2805581150 · doi:10.3390/jmmp2020034

Numerical Simulation of Water Quenching of Large Size Steel Forgings: Effects of Macrosegregation and Grain Size on Phase Distribution

2018· article· en· W2805581150 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueJournal of Manufacturing and Materials Processing · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueMetallurgy and Material Forming
Établissements canadiensCégep de Sorel-TracyÉcole de Technologie Supérieure
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMitacs
Mots-clésIngotMaterials scienceForgingGrain sizeMetallurgyQuenching (fluorescence)Volume fractionAusteniteAlloyContinuous cooling transformationParticle-size distributionMartensiteBainitePhase (matter)Volume (thermodynamics)Composite materialMicrostructureParticle sizeThermodynamics

Résumé

récupéré en direct d'OpenAlex

In this paper, water quenching of large ingots was simulated using FORGE NxT 1.1® Finite Element code. Simulations were carried out for as-forged medium-carbon low-alloy steel. A novel method is proposed to simulate the different parts of a large size forged block with different chemical compositions and grain sizes using the multiple materials method. The effects of macrosegregation, grain size variation and cooling rate on phase distribution through the volume of the forged block were investigated. The delay in transformation kinetics, which is due to the effect of grain size variation and carbon content, was analyzed. Results show that macrosegregation and grain size variations significantly influence transformation start points and the volume fraction of phases that are present in each location of the forged ingot. The proposed prediction method was validated using high-resolution dilatometry experiments and X-ray diffraction measurements to evaluate accurately the volume fraction of martensite, bainite and the percentage of retained austenite for each condition.

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.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,384

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,006
Tête enseignante GPT0,255
Écart entre enseignants0,249 · 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