AVALIAÇÃO DA FASE SIGMA E DE LAVES EM UM AÇO INOXIDÁVEL AUSTENO-FERRÍTICO MODIFICADO COM NIÓBIO POR MEIO DO SOFTWARE FACTSAGE
Bibliographic record
Abstract
PDF | O objetivo dessa pesquisa foi avaliar o efeito do nióbio em um aço inoxidável austeno-ferrítico convencional e modificado com 0,5% de nióbio na condição solubilizada e após aquecimento a 650 ºC durante uma hora. Foram feitas observações das microestruturas por meio de microscopia eletrônica de varredura (MEV). As composições químicas de sigma e Laves foram determinadas qualitativamente via energia dispersiva de raios X (EDS). É importante ressaltar a dificuldade em identificar os diferentes precipitados formados no resfriamento dos austeno-ferríticos com microscópios óticos e eletrônicos convencionais. Nesse contexto e para determinar as fases formadas nesses aços foi utilizada a simulação termodinâmica computacional com o software FactSage. Os resultados mostram que a simulação termodinâmica permite identificar vários precipitados. Com relação às análises microestruturais é possível observar a presença da fase sigma no austeno-ferrítico convencional somente após aquecimento, enquanto Laves aparece no modificado com nióbio nas duas condições. Fica evidente o efeito do nióbio na formação dessa fase com relação à sigma, pois o elemento tem pouca solubilidade na austenita. Conforme a literatura, sigma e Laves proporcionam um acréscimo na dureza da matriz e o nióbio nos inoxidáveis austeno-ferríticos é recomendável, quando a resistência ao desgaste é um fator importante a ser considerado.
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 | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 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 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.001 |
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".