MétaCan
Menu
Retour à la cohorte
Enregistrement W1797725755 · doi:10.1106/pexl-pr2b-b1mh-47d3

Application of Ultrasonic Sensors in the Study of Physical Foaming Agents for Foam Extrusion

2001· article· en· W1797725755 sur OpenAlexaff
A. Sahnoune, J. Tatibouët, Richard Gendron, André Hamel, L. Piché

Notice bibliographique

RevueJournal of Cellular Plastics · 2001
Typearticle
Langueen
DomaineMaterials Science
ThématiquePolymer Foaming and Composites
Établissements canadiensNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceBlowing agentExtrusionNucleationPlasticizerFoaming agentPlastics extrusionUltrasonic sensorComposite materialBubbleSolubilityProcess engineeringComputer sciencePolyurethaneAcousticsThermodynamicsOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The extrusion foaming process involves several critical steps, in which the physical foaming agent plays a significant role: plasticization, solubility, nucleation and bubble growth. Although these aspects can be studied by different techniques, a novel method based on ultrasonic sensors has proven to provide valuable information with respect to the thermoplastic foaming process. This technique can be either used off-line as a characterization tool to improve our understanding of the foaming agent characteristics, or it can be installed in-line, on the extrusion line, as a control device. Review of the different applications of this technique will be covered in this paper, with numerous examples given to the mixture of PS with CO2. The degree of plasticization of the polymer as a function of the blowing agent concentration will be addressed first, followed by the detection of the conditions prone to induce nucleation, in terms of pressure, temperature, type of nucleating agents and flow conditions. The evaluation of the kinetics of bubble growth will also be explored.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
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 Opus0,017
Tête enseignante GPT0,266
Écart entre enseignants0,249 · 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'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

Citations37
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Cellular PlasticsMême sujetPolymer Foaming and CompositesTravaux en français237 207