MétaCan
Menu
Retour à la cohorte
Enregistrement W4394764482 · doi:10.3390/jmmp8020074

Influence of the Hot-Top Thermal Regime on the Severity and Extent of Macrosegregation in Large-Size Steel Ingots

2024· article· en· W4394764482 sur OpenAlexafffund
Neda Ghodrati, Henri Champliaud, Jean-Benoît Morin, Mohammad Jahazi

Notice bibliographique

RevueJournal of Manufacturing and Materials Processing · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueMetallurgical Processes and Thermodynamics
Établissements canadiensCégep de Sorel-TracyÉcole de Technologie Supérieure
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésIngotMetallurgyMaterials scienceThermalMoldThermal conductivityAlloyContinuous castingHeat transferMechanicsComposite materialThermodynamics

Résumé

récupéré en direct d'OpenAlex

The influence of hot-top designs with different heat capacities on the distribution of positive and negative macrosegregation was investigated on a 12 metric tonne (MT) cast ingot made using Cr-Mo low-alloy steel. The three-dimensional finite element modeling code THERCAST® was used to simulate the thermo-mechanical phenomena associated with the solidification process, running from filling the mold until complete solidification. The model was validated on an industrial-scale ingot and then utilized to evaluate the influence of the thermal history of the hot-top, a crucial component in the cast ingot setup. This assessment aimed to comprehend changes in solidification time, temperature, and heat flux—all of which contribute to the determination of macrosegregation severity. The results showed that preheating the hot-top had a minor effect on solidification time, while modifications of thermal conductivity in the hot-top region increased the solidification time by 31%, thereby significantly affecting the macrosegregation patterns. The results are discussed and interpreted in terms of the fundamental mechanisms governing the kinetics of solidification and macrosegregation phenomena.

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)0,001
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 enseignants0,079
Score d'incertitude au seuil0,214

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,000
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 Opus0,007
Tête enseignante GPT0,215
Écart entre enseignants0,209 · 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

Citations2
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Manufacturing and Materials ProcessingMême sujetMetallurgical Processes and ThermodynamicsTravaux en français237 207