MétaCan
Menu
Retour à la cohorte
Enregistrement W4401926833 · doi:10.18280/rcma.340403

The Effect of Heat Treatment on the Hardness of Medium Carbon Steel

2024· article· fr· W4401926833 sur OpenAlexvenueno aff
Jamal Nayief Sultan, Iman Zaidan Alshih Yahya, Emad Toma Karash, Majid Khaleel Najem

Notice bibliographique

RevueRevue des composites et des matériaux avancés · 2024
Typearticle
Languefr
DomaineMaterials Science
ThématiqueMetal Alloys Wear and Properties
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMetallurgyCarbon steelMaterials scienceCarbon fibersComposite materialCorrosionComposite number

Résumé

récupéré en direct d'OpenAlex

When a suitable balance of hardness, strength, and toughness is required in civil engineering and construction, wear-resistant medium carbon steels are frequently utilized.The ability to resist plastic deformation brought on by stress or abrasion is measured by hardness.High hardness materials are typically more brittle and prone to fracture but also stronger and more resistant to corrosion.A double-quenching procedure was used in the current investigation and contrasted with the traditional single-quenching process.Additionally, a variety of cooling media are used during quenching treatments.The results demonstrate that distilled water is the most effective cooling medium to cool the models in the heat treatment of medium carbon steels because it is free of salts, suspended particles, and metal contaminants.The results show that the hardness increased following the first quenching and tempering by 37.5% above the hardness value predicted by the original model, and it increased once more following the second quenching and tempering by 10% over the hardness value following the first heattreatment.The previous austenite grain limits and the high-angle beam limits are the main factors that give a share in to the increased hardness, and the main elements that affect how effectively they function are the high slip transmission factor and the high spacing angle between slip levels.

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)0,002
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 enseignants0,077
Score d'incertitude au seuil0,742

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,062
Tête enseignante GPT0,290
Écart entre enseignants0,228 · 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'admission1
Résumé présentoui

Explorer davantage

Même revueRevue des composites et des matériaux avancésMême sujetMetal Alloys Wear and PropertiesTravaux en français237 207