Desenvolvimento de um sistema de nitretação a plasma e investigação da influência da temperatura e composição da atmosfera na nitretação da liga Ti-6Al-4V
Bibliographic record
Abstract
A nitretação a plasma é um processo de tratamento superficial extensivamente usado para promover melhoria de propriedades física e mecânica de metais, tais como sua dureza, resistência ao desgaste e à corrosão, que são necessárias em determinadas condições de uso mais severo. Neste trabalho foi inicialmente desenvolvido um sistema de nitretação funcional, com possibilidade de ajuste de diversos parâmetros influentes do processo, como temperatura, pressão, composição e fluxo da atmosfera nitretante e parâmetros elétricos. Utilizou-se esse sistema para nitretar amostras de Ti-6Al-4V em três temperaturas (500, 600 e 700 ºC) e cinco misturas (80, 60, 50, 40, 20 Vol%N2 com balanço de N2). Empregando as técnicas de reação nuclear e difração de raios X em ângulo rasante, obtivemos informações sobre a influência da temperatura e composição da mistura na formação das fases bem como suas estequiometrias e as espessuras dos filmes. Adicionalmente, foram adquiridos espectros Raman das amostras e então comparada às intensidades relativas entre os picos ópticos e acústicos com a composição obtida por NRA. Procedimento semelhante foi realizado tomando em conta a largura dos picos, resultando numa proposta de análise semi- quantitativa da estequiometria da fase δ-TiNx via espectro Raman.
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 | 0.002 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 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".