Features of the Oxidation of Multilayer (TiAlCrSiY)N/(TiAlCr)N Nanolaminated PVD Coating during Temperature Annealing
Notice bibliographique
Résumé
A nano-multilayer Ti0.2Al0.55Cr0.2Si0.03Y0.02N/Ti0.25Al0.65Cr0.1N PVD coating was deposited on Kennametal carbide K 313 inserts. These coatings are widely used to protect cutting tools under severe exploitation conditions. Under equilibrium conditions, it was found that the Al2O3 oxide possessed better adhesive properties than the TiO2. The addition of chromium further enhanced the oxidation resistance of the coatings. Silicon significantly increased the oxidation resistance of this type of coating. The properties of the diffusion process in this coating have not been sufficiently investigated, despite the considerable number of articles published on this topic. For the purpose of this study, a multilayer ion-plasma (TiAlCrSiY)N/(TiAlCr)N coating was oxidized under equilibrium conditions; its chemical inhomogeneity was studied by time-of-flight mass spectroscopy using a TOF SIMS5-100 instrument. The data was collected from an area of 100 × 100 µ. A D-300 profilometer (KLA-Tencor Corp., Milpitas, California 95035, USA) was used to determine the rate of ion etching. It was found that oxidation commenced at the surface nanolayer of a TiAlCrN nitride, forming loose films of Cr2O3, TiO2, and Al2O3 oxides. This passivating film had a thickness of around 140 nm. For the first time, the interlayer diffusion coefficients of Si and Y were determined in multilayer coatings based on Ti0.2Al0.55Cr0.2Si0.03Y0.02N/Ti0.25Al0.65Cr0.1N, under open air annealing at 700 °C. The physical nature of the differences in the diffusion of these elements is discussed. The diffusion rate in the near-surface volumes was lower than in the deep layers of the multilayer coating, most likely due to the formation of passivating oxide films on the surface.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 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 ».