Metallurgical and Fracture Toughness Variability Characterization of 2.25Cr 1 Mo Plate Steel for Hydroprocessing Reactors
Notice bibliographique
Résumé
Abstract Fracture toughness and temper embrittlement susceptibility are pivotal factors influencing the mechanical integrity of hydroprocessing reactors within oil refineries and chemical plants. Moreover, they exert a notable impact on the minimum allowed pressurization temperature (MPT), thereby affecting the startup and shutdown times. Enhanced fracture toughness at low temperatures and heightened resistance to temper embrittlement lead to a lower permissible MPT setting. Temper-embrittlement is the reduction in fracture toughness due to a metallurgical change that can occur in some low-alloy steels as a result of prolonged exposure in the temperature range of about 650 °F to 1070 °F (345 °C to 575 °C). This change causes an upward shift in the ductile-to-brittle transition. Although the loss of toughness is not evident at operating temperature, equipment afflicted by temper embrittlement becomes susceptible to brittle fracture during start-up and shutdown processes. This paper includes a literature review and describes the variability in fracture toughness of 2.25Cr 1Mo steel plate material as a function of temperature. Additionally, it presents a case history where high variability was reported in weld deposits. Factors affecting fracture toughness and tempering embrittlement are analyzed and recommendations to maximize fracture toughness and reduce temper embrittlement susceptibility are included. Finally, the paper touches upon technology limitations as dictated by contemporary manufacturing practices. The characterization process incorporates optical microscopy, scanning electron microscopy, hardness, chemistry, impact testing and crack tip opening displacement measurements.
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 | 0,000 |
| 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 ».