Precipitation is a phase transformation process in metallic materials that significantlyaffects properties. The precipitation process that includes nucleation, growth andcoarsening of small particles can be tuned by alloying, deformation, thermal treatment.This opens opportunities for optimizing the properties of metallic materials bytailoring precipitation. An example of high-performance metallic materials withcontribution from precipitation is tempered martensitic steels. By means of highlydispersed nanoscale precipitates within the hierarchic martensitic microstructure,these steels achieve an excellent combination of ultra-high strength and hightoughness. With the objective of accelerating the development of these high-performance steels, an integrated computational materials engineering (ICME)approach, combining advanced characterization, physically based/semi-empiricalmodelling, theory and databases, is used in this thesis to develop computationallinkages from heat treatment to precipitation to strength.Two multicomponent steels, a Cu precipitation-hardened maraging stainless steel anda carbide-strengthened low alloy Cr – Mo – V martensitic steel, are studied in this thesisusing quantitative characterization and modelling. The results suggest that theprecipitation simulations using Langer-Schwartz-Kampmann-Wagner (LSKW)modelling have good agreements with the experiments and show promise for futurepredictive modelling to be used for materials design. The semi-empirical models forindividual strengthening mechanisms and an integration of the strengtheningmechanisms used in this work may also represent the trends in the yield strength offresh and tempered martensite, but it is difficult to predict the early yielding of freshmartensite and the correlation of hardness and strength. This indicates the need tofurther develop the models. Overall, this thesis shows that the ICME approach can beused to study and predict precipitation and precipitation-strengthening inmulticomponent steels. The applied approach differs from traditional trial-and-errortesting and has the potential to save time, money and resources in steel development.

Utskiljning är en fasomvandlingsprocess i metalliska material som signifikantpåverkar egenskaperna. Utskiljningsprocessen som inkluderar kärnbildning, tillväxtoch förgrovning av små partiklar kan styras genom legeringstillsats, deformation,värmebehandling, etc. Detta öppnar möjligheter för att optimera metallernasegenskaper genom att kontrollera utskiljningarna. Ett exempel på envärmebehandlingsprocess som leder till utskiljningar är anlöpning av martensitiskastål. Under denna anlöpning kan stålen uppnå mycket god prestanda genom bildningav nanopartiklar i den hierarkiska martensitiska mikrostrukturen. Med målet attpåskynda utvecklingen av dessa högpresterande stål används ICME (IntegratedComputational Materials Engineering) som kombinerar avancerad karakterisering,fysikaliskt baserad modellering, teori och databaser för att relatera värmebehandlingtill utskiljning och slutligen egenskaperna hos stålet.Två högprestanda stål, ett Cu-utskiljningshärdat maråldrings stål och ett Cr/Mo/V-legerat kolstål med karbidutskiljningar, studeras i denna avhandling med hjälp avkvantitativ karakterisering och modellering. Resultaten visar att modelleringen medLSKW (Langer-Schwartz-Kampmann-Wagner) har god överenstämmelse medexperimenten och visar stor potential för prediktiv modellering. De fysikalisktbaserade modellerna för de individuella härdningsmekanismerna som används i dettaarbete kan också representera trenderna för stålens styrka, men det är svårt attprediktera utskiljningshärdningens effekt på styrkan som uppmätts via dragprov.Detta visar på behovet av att vidareutveckla modellerna. Sammantaget visar dennaavhandling att ICME-metodik kan användas för att studera och prediktera utskiljningoch utskiljningshärdning i kommersiella stål. Tillvägagångssättet som använts skiljersig från traditionell “trial-and-error” metodik och kan leda till besparingar av tid,pengar och resurser vid stålutveckling.