MétaCan
Menu
Retour à la cohorte
Enregistrement W4414156386 · doi:10.3390/met15091003

Influence of Different Heat Treatments on Microstructure Evolution and High-Temperature Tensile Properties of LPBF-Fabricated H13 Hot Work Steel

2025· article· en· W4414156386 sur OpenAlexaff
Mohamed Meher Monjez, Narges Omidi, Pedram Farhadipour, Abderrazak El Ouafi, Noureddine Barka

Notice bibliographique

RevueMetals · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing Materials and Processes
Établissements canadiensUniversité du Québec à Rimouski
Organismes subventionnairesnon disponible
Mots-clésMicrostructureTemperingUltimate tensile strengthQuenching (fluorescence)Yield (engineering)Hot workHomogeneousWork (physics)

Résumé

récupéré en direct d'OpenAlex

This study investigates the effect of tensile test temperatures, ranging from 300 °C to 600 °C, on the microstructure, mechanical properties, and fracture behavior of AISI H13 11 tool steel manufactured by laser powder bed fusion (LPBF) under three material conditions: As-Built (AB), Direct Double-Tempered (DTT), and 13 Quenched and Double-Tempered (QTT). Optical and SEM observations show that quenching before tempering leads to a more homogeneous microstructure. Full austenitization during quenching eliminates the laser track patterns and cellular structures characteristic of the AB and DTT conditions, resulting in a microstructure like that of conventionally processed material. Tensile test results reveal that, while all material conditions (AB, DTT, and QTT) perform similarly at lower temperatures (up to 300 °C), significant differences emerge at elevated temperatures. At 300 °C, AB, DTT, and QTT maintain 87.5%, 85.8%, and 83.1% of their room-temperature yield strength, respectively. However, beyond this point, the DTT condition clearly outperforms the others. QTT shows a sharp decline above 300 °C, retaining only ~24% of its yield strength, whereas AB and DTT maintain approximately 80%. The superior performance of DTT becomes more evident at higher temperatures: it retains 25% and 20% of its yield strength at 500 °C and 600 °C, respectively, higher than both AB and QTT.

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 enseignants0,002
Score d'incertitude au seuil0,004

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 Opus0,007
Tête enseignante GPT0,189
Écart entre enseignants0,182 · 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

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMetalsMême sujetAdditive Manufacturing Materials and ProcessesTravaux en français237 207