MétaCan
Menu
Retour à la cohorte
Enregistrement W163398629

Effects of Knife Jointing and Wear on the Planed Surface Quality of Northern Red Oak Wood

2002· article· en· W163398629 sur OpenAlexfundno aff
Roger E. Hernández, Luiz Fernando de Moura

Notice bibliographique

RevueWood and Fiber Science (Society of Wood Science and Technology) · 2002
Typearticle
Langueen
DomaineEngineering
ThématiqueWood Treatment and Properties
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaFPInnovations
Mots-clésSurface roughnessSurface finishComposite materialEnhanced Data Rates for GSM EvolutionMaterials scienceEngineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Jointing is a technique to obtain the same cutting circle for all knives mounted in a cutterhead of a peripheral knife planer. Initially the jointed land at the cutting edge has a 0 degree clearance angle that becomes negative with workpiece motion relative to the cutterhead and as the cutting edge wears. Jointed knives may crush cells on the planed surface and affect the quality and performance of wood for end uses. We evaluated the gluing properties of northern red oak planed surfaces that had been planed using one of three jointed land widths, over four levels of knife wear. Under these cutting conditions, surface roughness significantly influenced gluability more than cellular damage. In sum, gluing performance was positively affected by knife wear, and no variation in gluing performance among the jointed land widths studied existed. In samples after accelerated aging, the effects of wear on gluing were more pronounced, with an improvement in gluing performance, associated with an increase in surface roughness and permeability with increased knife wear. These results suggest a jointed land of 1.2 mm as the maximum allowable width for planing red oak wood prior to gluing. Also, the planed surface gluability of this wood may be enhanced using a knife with the rake face recession of 332 μm and the clearance face recession of 438 μm, which results in a surface roughness of 40 μm Rmax.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,015
Tête enseignante GPT0,201
Écart entre enseignants0,186 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations22
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWood and Fiber Science (Society of Wood Science and Technology)Même sujetWood Treatment and PropertiesTravaux en français237 207