Effect of Volumetric Energy Density on the Evolution of the Microstructure and the Degradation Behavior of 3D-Printed Fe-Mn-C Alloys from Water-Atomized Powders
Notice bibliographique
Résumé
Additive manufacturing of metals opens new doors for innovation in custom-based productions in a wide range of fields, including medicine, even if it introduces new challenges that need to be addressed to guarantee the properties are equal to or superior to those of conventional fabrication processes. In this research, porous, biodegradable Fe-Mn-C alloys were fabricated using a 3D printing technique with four different printing energy densities ranging from 62.5 to 125.0 J/mm3. The effect of printing energy density on the microstructure and degradation behavior was investigated. Lower energy densities resulted in higher pore density and the presence of unmelted powder particles, while the alloy printed at 104.2 J/mm3 exhibited the lowest pore density and the smallest grain size. Degradation tests revealed that the highest pore density in the sample printed at 62.5 J/mm3, and the lowest grain size in the sample printed at 104.2 J/mm3 contributed to faster degradation rates. The alloy printed at the highest energy density, 125.0 J/mm3, demonstrated the largest grain size and the slowest degradation rate. Energy-dispersive spectroscopy and Fourier transform infrared spectroscopy analyses identified manganese carbonate as the primary degradation product, with calcium phosphate forming as a secondary product. These findings provide a significant understanding of the relationship between printing parameters, microstructure, and degradation behavior, which are essential for optimizing the performance of Fe-Mn-C alloys in biodegradable material applications.
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 ».