Tendências no desenvolvimento de gases de proteção utilizados na soldagem MIG/MAG
Bibliographic record
Abstract
Este trabalho tem como objetivo apresentar uma revisão do estado da arte sobre os gases de proteção usados nos processos de soldagem a arco elétrico, com ênfase na soldagem MIG/MAG do aço. São apresentados os principais conceitos da física do arco e as propriedades relacionadas aos gases de proteção. O modelo de atmosfera ligeiramente oxidante para os gases de proteção é discutido, sendo mostradas as formulações dos gases estudados em artigos científicos e em patentes depositadas, bem como as reivindicações (vantagens) requeridas. Também são mencionados alguns poucos estudos usando adições de gases não convencionais. Foi observado que no desenvolvimento de gases de proteção para soldagem MIG/MAG do aço predomina o modelo da formação de atmosfera ligeiramente oxidante. A maioria das formulações propostas envolve o uso de misturas binárias, ternárias e até quaternárias dos gases Ar, He, CO2 e O2. Em aplicações específicas, adições de N2 e H2 foram usadas. Neste sentido, pouca inovação foi identificada, sendo atribuídas possíveis razões a este fato. A tendência observada para o desenvolvimento de gases de proteção parece ser o uso de misturas ricas em gases inertes, com adições calibradas de elementos oxidantes, sempre atendendo a aplicações específicas.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".