MétaCan
Menu
Retour à la cohorte
Enregistrement W2946109751 · doi:10.1590/s1517-707620190001.0609

Boriding and boronitrocarburising effects on hardness,wear and corrosion behavior of AISI 4130 steel

2019· article· en· W2946109751 sur OpenAlexaff
Ramdane Nora, Touhami Mohamed Zine, Abdelkader Khettache, Youcef Khelfaoui, Ali Ourdjini, Xin Jiang

Notice bibliographique

RevueMatéria (Rio de Janeiro) · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueMetal and Thin Film Mechanics
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesUniversität Siegen
Mots-clésBoridingMaterials scienceMicrostructureMetallurgyCorrosionScanning electron microscopeHardnessBorideIndentation hardnessVickers hardness testComposite material

Résumé

récupéré en direct d'OpenAlex

The effects of boriding and boronitrocarburising surface treatments on the microstructure and mechanical properties of AISI 4130 steel have been investigated. Pack boriding was carried out at 1223 K for 5 h and 8 h, while the double treatment of boronitrocarburising consisted of salt bath nitrocarburising at 853 K for 6 h followed by pack boriding at the same temperature and times as the boriding treatment. Microstructure examination of the borided and boronitrocarburised layers was carried out using optical and scanning electron microscopy, and phase identification was obtained using X-ray diffraction. Vickers hardness, wear and corrosion weight loss tests were used to evaluate the mechanical properties and corrosion behaviour. The results of X-ray diffraction analysis revealed the presence of superhard phases such as FeB, Fe2B, CrB, MnB and MnB2, indicating that pack boriding surface treatment conducted at 1223 K for 8 h exhibited the highest hardness, low coefficient of friction and the greatest wear resistance. Boronitrocarburising treatment, on the other hand, caused a reduction in both the depth of iron borides zone and mechanical properties compared to the boriding surface treatment. These recommended treatments offer to industrialists a particular contribution and interest in the development of these steels, which can be applied in various fields.

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 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 enseignants0,041
Score d'incertitude au seuil0,749

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 Opus0,006
Tête enseignante GPT0,188
Écart entre enseignants0,182 · 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.

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

Citations20
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMatéria (Rio de Janeiro)Même sujetMetal and Thin Film MechanicsTravaux en français237 207