Resumen

El acero alta resistencia baja aleación (high strength low alloy, HSLA-100) fue desarrollado como reemplazo del HY 100 para reducir los costos de fabricación al eliminar el precalentamiento durante las operaciones de soldadura.

Un análisis de red neuronal de datos tales como efectos de la composición, tratamiento térmico y dureza al impacto medida con el ensayo Charpy indica tendencias en la dependencia de las propiedades mecánicas de la composición de la aleación y el tratamiento térmico.

En el documento, los autores proponen el uso de modelos de regresión como una herramienta para reducir el tiempo y los costos asociados con el desarrollo y selección de aleaciones metálicas nuevas. Se desarrolló un modelo de regresión múltiple, el cual puede predecir exactamente la resistencia a la tracción del acero alta resistencia baja aleación (high strength low alloy, HSLA-100), basado en su composición química y sus parámetros de procesamiento. Se usa la regresión 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 regresión estándar con su enfoque en la estimación de la media.

• Materias:Industria siderurgica Fabricación de acero Tecnología metalúrgica
• Subjects:Iron industry and trade Steel making Metallurgical technology
• Palabras claves:Industria del acero, Acero, Hierro, Aleaciones, Composición química, Diagrama de fase, Regresión cuantil, Regresión múltiple, Red neuronal, Aleaciones metálicas
• Keywords:Steel industry, Steel, Iron, Alloys, Chemical composition, Phase diagram, Quantile regression, Multiple regression, Neural network, Metal alloys