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 Al 2 O 3(pure) , Al 2 O 3 –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 Al 2 O 3 –MnS and AlN–MnS inclusions. In the case of Al 2 O 3 –MnS inclusions, Al 2 O 3 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 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 | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».