MétaCan
Menu
Retour à la cohorte
Enregistrement W4412673059 · doi:10.1016/j.ceramint.2025.07.365

Degradation mechanisms of magnesia-carbon refractories in radiation heat-affected wall of steel electric arc furnace

2025· article· en· W4412673059 sur OpenAlexafffund
Kianoosh Kaveh, Mansoor Barati, Mohammad Jahazi, Elmira Moosavi‐Khoonsari

Notice bibliographique

RevueCeramics International · 2025
Typearticle
Langueen
DomaineMaterials Science
ThématiqueThermal and Kinetic Analysis
Établissements canadiensUniversity of TorontoÉcole de Technologie Supérieure
Organismes subventionnairesMitacs
Mots-clésMaterials scienceMagnesiumDegradation (telecommunications)Electric arcElectric arc furnaceMetallurgyCarbon fibersRadiationComposite materialElectrode

Résumé

récupéré en direct d'OpenAlex

This study investigates the mechanisms underlying microstructural deterioration in processed MgO-C refractories from the radiation heat-affected wall of a steel EAF. X-ray tomography and scanning electron microscopy with energy-dispersive spectroscopy were employed to identify the thermally activated chemical, physical, and mechanical degradation phenomena and to evaluate their impact on microstructural evolution during the process. The results reveal that degradation is primarily driven by the development of a porous network surrounding coarse MgO grains (> ∼3 mm), with a strong correlation observed between MgO grain size and damage evolution. Larger grains tend to promote more extensive porous networks, which in turn facilitate oxygen ingress and accelerate carbon oxidation. The pronounced mismatch in thermal expansion coefficients between MgO grains and the carbon matrix contributes to crack formation and grain detachment. These findings provide deeper insight into the failure mechanisms of MgO-C refractories and inform strategies for optimizing refractory design to extend service life and enhance performance.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,004
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0010,000

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 Opus0,005
Tête enseignante GPT0,235
Écart entre enseignants0,230 · 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 source (Gemma direct ou Codex distillé), 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
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCeramics InternationalMême sujetThermal and Kinetic AnalysisTravaux en français237 207