Investigation of Inclusion Formation in Light‐Weight Fe–Mn–Al Steels using Automated Scanning Electron Microscope Equipped with Energy‐Dispersive X‐Ray Spectroscopy
Notice bibliographique
Résumé
Herein, the effect of Mn content on the characteristics and the formation of inclusions in light‐weight Fe–Mn–Al steels is investigated. Three laboratory‐produced steels, containing different manganese contents (2%, 5%, and 20%) are investigated. 2D and 3D inclusion characterization methods are used to establish inclusion classification rules for oxide, sulfide, and nitride inclusions using an automated scanning electron microscope (SEM) equipped with energy‐dispersive X‐ray spectroscopy (EDS) (ASPEX system). The observed inclusions are classified into Al2O3(pure), Al2O3–MnS, AlN(pure), AlN–MnS, AlON–MnS, AlON, and MnS. The results show that an increased Mn content of steel increases the number of inclusions, especially Al2O3–MnS and AlN–MnS inclusions. In the case of Al2O3–MnS inclusions, Al2O3 inclusions serve as the site for precipitation of MnS. Thermodynamic calculations suggest that the AlN‐containing inclusions formed during cooling and solidification of steels. Moreover, the formation of AlN–MnS inclusions can take place by the nucleation of MnS on AlN inclusions and vice versa.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 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 source (Gemma direct ou Codex distillé), 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 ».