MétaCan
Menu
Retour à la cohorte
Enregistrement W1519598525 · doi:10.15376/biores.5.4.2625-2639

Presence of hardwood chips and its impact on pulp strength properties in the production of bleached softwood kraft pulp

2010· article· en· W1519598525 sur OpenAlexaff
Zhibin He, Yonghao Ni, Yajun Zhou

Notice bibliographique

RevueBioResources · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueLignin and Wood Chemistry
Établissements canadiensTembecUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésSoftwoodHardwoodPulp (tooth)Kraft paperKraft processPulp and paper industryKappa numberUltimate tensile strengthMaterials scienceComposite materialHemicelluloseLigninChemistryBotanyEngineeringOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The effect of hardwood admixture (15-25% birch or aspen) in kraft cooking on the strength properties of the fully bleached pulp was investigated. Results obtained from both lab- and mill-processed ECF bleached pulps showed that adding 15-25% birch or aspen to the production of fully bleached softwood kraft pulp had a minor effect on the strength properties. No significant effect was observed for the hardwood admixture on the apparent density over a wide range of breaking length. Under the conditions studied, the results showed that pulping of mixed softwood/hardwood chips (chip blending) resulted in overall better strength properties than the pulp blending at a given freeness. It was hypothesized that the softwood fibers would be cooked to a higher kappa number in the cooking of mixed softwood/hardwood chips for the same target kappa number, thus having higher fiber strength due to higher pulp viscosity and preservation of the hemicellulose. This was supported by the results from zero-span tensile strength of the long fiber fraction of the samples from chip blending and pulp blending. The implication is that some softwood kraft pulp mills can add up to 25% of hardwood chips to the kraft cooking of softwood chips without significantly affecting the overall pulp strength properties.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,295

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,012
Tête enseignante GPT0,216
Écart entre enseignants0,204 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBioResourcesMême sujetLignin and Wood ChemistryTravaux en français237 207