Exercice I

Pour calculer le flux de diffusion dans la plaque, on peut utiliser la loi de Fick pour la diffusion en
régime stationnaire :

```

J = -D * (dC/dx)

```

où `J` est le flux de diffusion, `D` est le coefficient de diffusion et `dC/dx` est le gradient de
concentration. La distance entre les deux points où les concentrations sont mesurées est de 10 mm -
5 mm = 5 mm = 5 × 10^(-3) m, et la différence de concentration est de 1.2 kg/m³ - 0.8 kg/m³ = 0.4
kg/m³.

Le gradient de concentration est alors :

```

dC/dx = (0.4 kg/m³) / (5 × 10^(-3) m) = 80 kg/m^4

```

En utilisant le coefficient de diffusion donné, 3 × 10^(-11) m²/s, on peut calculer le flux de diffusion :

```

J = -(3 × 10^(-11) m²/s) * (80 kg/m^4) = -2.4 × 10^(-9) kg/m²s

```

Le flux de diffusion dans la plaque est de -2.4 × 10^(-9) kg/m²s.

Exercice II

1. On peut utiliser la solution analytique de la loi de Fick pour la diffusion en régime non stationnaire
pour déterminer le temps nécessaire pour atteindre une concentration de 0.8 %m à 0.5 mm sous la
surface :
```

C(x, t) - C0 = (Cs - C0) * [1 - erf(x / (2 * sqrt(D * t)))]

```

où `C(x, t)` est la concentration à la position x et au temps t, `C0` est la concentration initiale, `Cs` est
la concentration superficielle, et `erf` est la fonction d'erreur. On cherche `t` tel que `C(x, t) = Cx`.

En utilisant les données fournies et en isolant `t`, on obtient :

```

t = (x² / (4 * D * (log((Cs - C0) / (Cx - C0)))))^(-1)

```

En remplaçant les valeurs données, on trouve :

```

t = ((0.5 × 10^(-3) m)² / (4 * (1.6 × 10^(-11) m²/s) * (log((1.2 - 0.25) / (0.8 - 0.25)))))^(-1) ≈ 1124 s

```

Il faut environ 1124 secondes pour obtenir une concentration de 0.8 %m à 0.5 mm sous la surface.

Exercice III

Pour calculer le coefficient de diffusion du magnésium dans l'aluminium à 550 °C, on peut utiliser la
relation d'Arrhenius :

```

D = D0 * exp(-Qd / (R * T))

```
où `D` est le coefficient de diffusion, `D0` est le facteur pré-exponentiel, `Qd` est l'énergie
d'activation, `R` est la constante des gaz parfaits (8.314 J/mol·K) et `T` est la température en kelvins.

En convertissant la température en kelvins et en utilisant les valeurs données, on trouve :

```

D = (1.2 × 10^(-4) m²/s) * exp(-(131 × 10^3 J/mol) / (8.314 J/mol·K * (550 + 273.15) K)) ≈ 7.43 × 10^(-
14) m²/s

```

Le coefficient de diffusion du magnésium dans l'aluminium à 550 °C est d'environ 7.43 × 10^(-14)
m²/s.

Exercice IV

Cet exercice demande de déterminer la température et le temps nécessaires pour atteindre une
concentration de carbone de 0.60 %m à 0.75 mm sous la surface pour une plage de températures
comprises entre 900 °C et 1050 °C. Pour cela, on peut utiliser la solution analytique de la loi de Fick
pour la diffusion en régime non stationnaire (voir Exercice II) et la relation d'Arrhenius pour le
coefficient de diffusion.

Il faudra résoudre le problème pour différentes températures dans la plage donnée, en calculant le
temps nécessaire pouratteindre la concentration de carbone souhaitée à chaque température. Pour
chaque température, on peut procéder comme suit :

1. Convertir la température en kelvins : `T(K) = T(°C) + 273.15`.

2. Calculer le coefficient de diffusion à cette température en utilisant la relation d'Arrhenius avec les
paramètres de diffusion donnés pour le fer γ.

3. Utiliser la solution analytique de la loi de Fick (voir Exercice II) pour déterminer le temps nécessaire
pour atteindre la concentration de carbone souhaitée à cette température.

En répétant ces étapes pour différentes températures dans la plage donnée, on peut déterminer la
température et le temps qui permettent d'atteindre la concentration de carbone souhaitée en un
temps minimum.
Notez que résoudre ce problème de manière analytique est difficile et peut nécessiter l'utilisation de
méthodes numériques pour trouver la solution optimale. Des outils tels que Python, MATLAB ou
Excel peuvent être utilisés pour résoudre ce problème en effectuant des calculs itératifs pour
différentes températures et en comparant les résultats pour déterminer la solution optimale.