Modeling composition and processing parameters for the development of steel alloys , a statistical approach

El acero alta resistencia baja aleacin̤ (high strength low alloy, HSLA-100) fue desarrollado como reemplazo del HY 100 para reducir los costos de fabricacin̤ al eliminar el precalentamiento durante las operaciones de soldadura.Un anl̀isis de red neuronal de datos tales como efectos de la composicin̤...

Full description

Saved in:
Bibliographic Details
Other Authors: Golodnikov Alexandr, Uryasev Stan, Zrazhevsky Grigoriy, Trindade A. Alexandre, Macheret Yevgeny, Department of Industrial and Systems Engineering, University of Florida
Format: Book
Language:English
Subjects:
Online Access:Modeling composition and processing parameters for the development of steel alloys , a statistical approach
Tags: Add Tag
No Tags, Be the first to tag this record!
Description
Summary:El acero alta resistencia baja aleacin̤ (high strength low alloy, HSLA-100) fue desarrollado como reemplazo del HY 100 para reducir los costos de fabricacin̤ al eliminar el precalentamiento durante las operaciones de soldadura.Un anl̀isis de red neuronal de datos tales como efectos de la composicin̤, tratamiento třmico y dureza al impacto medida con el ensayo Charpy indica tendencias en la dependencia de las propiedades mecǹicas de la composicin̤ de la aleacin̤ y el tratamiento třmico.En el documento, los autores proponen el uso de modelos de regresin̤ como una herramienta para reducir el tiempo y los costos asociados con el desarrollo y seleccin̤ de aleaciones metl̀icas nuevas. Se desarroll ̤un modelo de regresin̤ ml͠tiple, el cual puede predecir exactamente la resistencia a la traccin̤ del acero alta resistencia baja aleacin̤ (high strength low alloy, HSLA-100), basado en su composicin̤ qum̕ica y sus parm̀etros de procesamiento. Se usa la regresin̤ por cuantiles para modelar la respuesta a la tenacidad de fractura (fracture toughness) medida por medio del ensayo Charpy, la cual exhibe una variabilidad sustancial y, por ende, no se modela usualmente por regresin̤ estǹdar con su enfoque en la estimacin̤ de la media.