MétaCan
Menu
Retour à la cohorte
Enregistrement W3111032486 · doi:10.1080/02670836.2020.1852667

Differences in service-exposed and artificially aged microstructure and tensile properties of ASTM A204 Grade C steel

2020· article· en· W3111032486 sur OpenAlexafffund
Nitin Kumar Sharma, Leijun Li, Yajing Wang, Suvan Dev Choudhury, Yasin Suzuk, Maria Marilin Garcia

Notice bibliographique

RevueMaterials Science and Technology · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrostructure and Mechanical Properties of Steels
Établissements canadiensSuncor Energy (Canada)University of Alberta
Organismes subventionnairesSuncor Energy Incorporated
Mots-clésCementiteMaterials sciencePearliteMicrostructureUltimate tensile strengthElongationMetallurgyFerrite (magnet)Tensile testingSofteningGrain boundaryCarbideComposite materialAustenite

Résumé

récupéré en direct d'OpenAlex

Microstructural characterisation of artificially aged and service-exposed ASTM A204 Grade C steel reveals changes in the cementite particles of pearlite and microstructure. The ageing temperatures were chosen to be high enough to replicate the service degradation but below A c1 to avoid austenitisation in the inter-critical regime. Tensile testing of artificially aged materials shows a decrease in the ultimate tensile strength (UTS) along with an increase in elongation. On the other hand, service-exposed material resulted in an increase in UTS and a decrease in elongation. The softening of pearlite due to spheroidisation of cementite and segregation of alloying elements towards grain boundaries were responsible for the lower UTS of the artificially aged samples. Whereas, the increase in UTS in the service-exposed sample was attributed to the formation of nano-sized carbides inside ferrite grains, hence strengthening the steel matrix.

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 enseignants0,002
Score d'incertitude au seuil0,387

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 technologies0,0000,001
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 Opus0,021
Tête enseignante GPT0,185
Écart entre enseignants0,163 · 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

Citations4
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMaterials Science and TechnologyMême sujetMicrostructure and Mechanical Properties of SteelsTravaux en français237 207