MétaCan
Menu
Retour à la cohorte
Enregistrement W1965735394 · doi:10.1515/hf.2007.112

Paper mill sludge as a component of wood adhesive formulation

2007· article· en· W1965735394 sur OpenAlexfundno aff
Xinglian Geng, James Deng, Shu Yin Zhang

Notice bibliographique

RevueHolzforschung · 2007
Typearticle
Langueen
DomaineEngineering
ThématiqueLignin and Wood Chemistry
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaFPInnovations
Mots-clésAdhesiveMaterials scienceComposite materialDifferential scanning calorimetryPaper millShear strength (soil)Fourier transform infrared spectroscopyPulp and paper industryWaste managementEffluentSoil waterChemical engineeringEnvironmental science

Résumé

récupéré en direct d'OpenAlex

Abstract Three major types of paper mill sludge, primary sludge (PS), secondary sludge (SS) and de-inking paper sludge (DPS) were characterized and evaluated as adhesive fillers. Plywood panels were made of formulations with phenol formaldehyde (PF) and sludges. Panels with PF/PS and PF/SS formulations had higher dry and wet shear strengths than those made with PF/Cocob® formulation. All wood failure values were comparable. Dry and wet shear strengths of the panels with PF/DPS formulation were comparable to those of the PF/Cocob® panels (with Cocob® as a commercial filler), but the former displayed a much lower wood failure value. Owing to this fact and its high ash content, DPS was not evaluated further as a potential component of adhesive formulations. Compared with SS, PS resulted in higher dry and wet shear strengths and higher wood failure values. However, granular SS was easier to disperse into the resin component than fibrous PS, and the PF/SS formulation was more easily dispensed on aspen veneer sheets than the PF/PS formulation. SS alone displayed adhesive properties with 0.87 MPa of dry shear strength, but PS alone did not exhibit any bond strength. PS and SS were further evaluated for their general thermal behavior and major functional groups using differential scanning calorimetry and Fourier transform infrared spectrometry, respectively.

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

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaaucune catégorie
Domaine: non disponible · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Expérimental (laboratoire)low
gptaucune catégorie
Domaine: non disponible · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Expérimental (laboratoire)low
modèles en accordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

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: 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
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
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 Opus0,007
Tête enseignante GPT0,215
Écart entre enseignants0,208 · 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

Étiqueté directement par 2 modèles lisant le dossier complet.

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

Citations34
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHolzforschungMême sujetLignin and Wood ChemistryTravaux en français237 207