MétaCan
Menu
Retour à la cohorte
Enregistrement W3151852468 · doi:10.4028/www.scientific.net/kem.880.29

Subsurface Crack Initiation and Propagation in an Open Dieforged High Strength Steel: A Microstructural Analysis

2021· article· en· W3151852468 sur OpenAlexaff
Abdelhalim Loucif, Jean-Benoı̂t Morin, Louis Philippe Lapierre-Boire, Mohammad Jahazi

Notice bibliographique

RevueKey engineering materials · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrostructure and Mechanical Properties of Steels
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceForgingGrain boundaryMetallurgyScanning electron microscopeCrackingCrack closureOptical microscopeAlloyMachiningFracture mechanicsMicrostructureComposite materialManganese

Résumé

récupéré en direct d'OpenAlex

This paper presents an experimental investigation with the objective to determine the root causes for the cracking of a large size bar made of a medium carbon low alloy steel after open die forging and heat treatments operations. The cracks were observed below the surface during the machining step. In order to understand the mechanisms of crack initiation and propagation, micro-CT tomography and scanning electron microscope (SEM) were employed. Microstructural damage analysis revealed oxidation of different alloying elements, more specifically manganese, chromium and silicon. The presence of defects in the form of cavities and porosities were also observed at the grain boundaries. Some of the above defects were observed along the crack path, while others were on both sides of the cracks without any connection to them and finally, a third group completely isolated from any crack. The characteristics of the defects were thoroughly analyzed and it was found that the crack initiation could be attributed principally to the porosities/cavities formed during solidification. The analysis also showed that crack propagation occurred during solidification and/or forging and heat treatment steps.

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 enseignants0,025
Score d'incertitude au seuil0,842

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 savante0,0000,001
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 Opus0,010
Tête enseignante GPT0,215
Écart entre enseignants0,205 · 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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKey engineering materialsMême sujetMicrostructure and Mechanical Properties of SteelsTravaux en français237 207