Effect of Panel Moisture Content and Density on Moisture Movement in MDF
Notice bibliographique
Résumé
This study examined the effect of medium density fiberboard (MDF) density and sorption state on the aorption isotherms and the effect of panel moisture content and density on the effective watcr conductivity and diffusion coefficient of MDF panels.A total of 39 laboratory-made MDF panels with dimensions 650 mm X 650 mm X 12 mm divided into 3 density groups (540 kg/m3, 650 kglm', and 800 kg/m7) was produced.The surface layers of each panel were removed, and the thickness of the remaining core layer of homogeneous density was reduced by sanding to 6 mm.The sorption isotherms were determined by exposing MDF samples to controlled relative humidities.The effective water conductivity was determined by the instantaneous profile method.Medium density fiberboard from all density levels displayed a marked sorption hysteresis.Both in adsorption and in desorption, the MDF specimens with higher density levels equilibrated at higher levels of moisture content.Moisture content had a stronger effect than density on the effective water conductivity.In desorption, the higher the moisture content level, the higher the effective water conductivity.Conversely, in adsorption, the effective water conductivity decreased as moisture content increased.The effective water conductivity in desorption and the diffusion coefficients both in desorption and adsorption were significantly higher for panels with a density of 540 kg/m3 than for densities of 650 and 800 kg/m3.In adsorption, the effective watcr conductivity of panels with a density of 540 kg/m3 was significantly higher than for a density of 800 kg/m'.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,006 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».