MétaCan
Menu
Retour à la cohorte
Enregistrement W7131069195 · doi:10.1115/imece2025-168178

Plasma Transferred Arc Additive Manufacturing of High-Chromium White Iron: Parameter Optimization and Interpass Temperature Control for Repair Applications

2025· article· W7131069195 sur OpenAlexaff
Shriyash R. Waghmare, Shalini Singh, Sajid Ullah Butt, HANI HENEIN, Kimberley Meszaros, Ahmed Jawad Qureshi

Notice bibliographique

Revuenon disponible
Typearticle
Langue
DomaineEngineering
ThématiqueAdditive Manufacturing Materials and Processes
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésAusteniteThermalIndentation hardnessCarbideSlurryPlasma arc weldingKilnDeposition (geology)Plasma

Résumé

récupéré en direct d'OpenAlex

Abstract High-chromium white iron (HCWI) is a highly abrasion-resistant alloy, typically containing 23–28% chromium, known for its exceptional hardness and wear resistance due to hard M7C3 carbides embedded within a martensitic or austenitic matrix. This structure provides superior resistance to erosion, impact, and corrosion, making HCWI ideal for components like crusher liners, slurry pump parts, and chute liners in mining, cement, and dredging industries. Routine maintenance of these components is essential due to extreme wear, and additive manufacturing (AM) offers a promising solution for fast, cost-effective repairs. Plasma transferred arc additive manufacturing (PTA-AM), a directed energy deposition (DED) technique, provides precise control over dilution, microstructure, and material composition, making it suitable for producing high-hardness, corrosion-resistant deposits. This study aims to optimize processing conditions for PTA-AM’d HCWI (ASTM A532 Class III Type A) by controlling preheating and interpass temperatures (400°C to 800°C) to reduce thermal gradients. The resulting deposits are analyzed for microstructure, phase composition, and microhardness to establish correlations between thermal conditions and material properties.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,901
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
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)0,0000,000

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 Opus0,004
Tête enseignante GPT0,206
Écart entre enseignants0,201 · 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.

Devis d'étudeSimulation ou modélisation
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'admission1
Résumé présentoui

Explorer davantage

Même sujetAdditive Manufacturing Materials and ProcessesTravaux en français237 207