Nesta dissertação, é apresentada uma rotina computacional para modelar a corrosão por pites em aço inoxidável baseada em modelos matemáticos existentes que levam em consideração efeitos determinísticos e estocásticos. Como contribuição, modificações baseadas em resultados experimentais foram inseridas no modelo, com o objetivo de avaliar a influência de inclusões de MnS na matriz metálica, locais típicos de maior nucleação de pites. Foi modelado também o efeito do potencial de aplicado verificando-se assim a sua influência na formação de pites e a determinação da faixa possível para o potencial de pite. A modelagem consiste da avaliação espaço-temporal da nucleação, com a possibilidade de visualização da evolução de pites metaestáveis e estáveis, além do transiente de corrente anódica gerado pelo processo. Os resultados são apresentados em termos da avaliação das variáveis de maior influência na suscetibilidade de formação de pites, tais como concentração de espécies agressivas, dano à camada passiva e queda no potencial ôhmico, o que possibilita estudos futuros para se obter formas mais eficientes de combate à corrosão por pites. / In this work is presented a computational routine to model pitting corrosion of stainless steel based on pre-existing mathematical models that take into account deterministics and stochastic effects. As contribution, modifications based on experimental results were inserted, evaluating the influence of MnS inclusions on metal surface, a typical site of major pitting nucleation. Applied potential effect was modeled, thus, it was possible to verify its influence on pitting formation and the possible range of pitting. The model consists on spatio-temporal evaluating of nucleation process, with visualization of metastable and stable pitting evolution and the anodic current transient. The results are presented in terms of variables with greatest influence on the susceptibility of pitting formation, such as concentration of aggressive species, passivity layer damage and ohmic potential drop, allowing future studies to obtains more efficient ways to combat pitting corrosion

Nesta dissertação, é apresentada uma rotina computacional para modelar a corrosão por pites em aço inoxidável baseada em modelos matemáticos existentes que levam em consideração efeitos determinísticos e estocásticos. Como contribuição, modificações baseadas em resultados experimentais foram inseridas no modelo, com o objetivo de avaliar a influência de inclusões de MnS na matriz metálica, locais típicos de maior nucleação de pites. Foi modelado também o efeito do potencial de aplicado verificando-se assim a sua influência na formação de pites e a determinação da faixa possível para o potencial de pite. A modelagem consiste da avaliação espaço-temporal da nucleação, com a possibilidade de visualização da evolução de pites metaestáveis e estáveis, além do transiente de corrente anódica gerado pelo processo. Os resultados são apresentados em termos da avaliação das variáveis de maior influência na suscetibilidade de formação de pites, tais como concentração de espécies agressivas, dano à camada passiva e queda no potencial ôhmico, o que possibilita estudos futuros para se obter formas mais eficientes de combate à corrosão por pites. / In this work is presented a computational routine to model pitting corrosion of stainless steel based on pre-existing mathematical models that take into account deterministics and stochastic effects. As contribution, modifications based on experimental results were inserted, evaluating the influence of MnS inclusions on metal surface, a typical site of major pitting nucleation. Applied potential effect was modeled, thus, it was possible to verify its influence on pitting formation and the possible range of pitting. The model consists on spatio-temporal evaluating of nucleation process, with visualization of metastable and stable pitting evolution and the anodic current transient. The results are presented in terms of variables with greatest influence on the susceptibility of pitting formation, such as concentration of aggressive species, passivity layer damage and ohmic potential drop, allowing future studies to obtains more efficient ways to combat pitting corrosion