MétaCan
Menu
Retour à la cohorte
Enregistrement W4404924110 · doi:10.37934/aram.128.1.129137

A Case Study: Investigation of Untreated and Treated 304 Stainless Steel on Corrosion Behaviour

2024· article· en· W4404924110 sur OpenAlexaff
Nur Izzah Atirah Jaffar Sidek, Siti Nurthoiyibatul Solehah Hussein, Shahrul Azmir Osman, Ali Ourdjini, Saliza Azlina Osman

Notice bibliographique

RevueJournal of Advanced Research in Applied Mechanics · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueNon-Destructive Testing Techniques
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesUniversiti Tun Hussein Onn Malaysia
Mots-clésMetallurgyCorrosionMaterials science

Résumé

récupéré en direct d'OpenAlex

A titanium coating on an iron-based metal surface significantly enhanced its resistance to localised corrosion. The research thoroughly investigated the microstructure and corrosion behaviour of both the untreated and treated 304 stainless steel substrates. The coating’s morphology was meticulously examined using scanning electron microscopy (SEM), while its chemical composition was determined via energy-dispersive X-ray spectroscopy (EDX). Electrochemical impedance spectroscopy (EIS) was employed in an open circuit potential experiment to evaluate the coating’s resistance to localised corrosion in an alkaline solution. SEM was again utilised to assess the coating’s morphologies and cross-sectional view. The result revealed that untreated samples showed small and large pits on the microstructure, while no pit was detected in treated samples. Only fine dimples and voids were observed for the treated sample. The treated sample exhibited superior corrosion resistance to the untreated sample with a corrosion rate of 0.002348 mm/year and 0.007109 mm/year, respectively. This is attributed to the presence of the coating for a treated sample with curing for 10 minutes. The corrosion rate value is still considered excellent and accepted for stainless steel because the corrosion rate penetration is below 1 mils per year (mpy).

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 enseignants0,421
Score d'incertitude au seuil0,590

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,060
Tête enseignante GPT0,350
Écart entre enseignants0,290 · 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Advanced Research in Applied MechanicsMême sujetNon-Destructive Testing TechniquesTravaux en français237 207