Use of MUF Resin for Improving the Wheat Protein Binder in Particle Boards Made from Agricultural Residues
Notice bibliographique
Résumé
This work was focused on the production and characterization of lightweight and water resistance particle boards with various lignocellulosic materials of the annual plants hemp (Cannabis sativa L.), canola (Brassica napus L.) and bagasse (Saccharum officinarum L.) in admixtures with industrial wood. Some chemical properties of these annual plants were investigated to find out their chemical characteristics in wood composites production. In all board variants 100% of the middle layers consisted of chips from one of the above annual plants. Reference boards were 100% beech wood. Laboratory manufacturing treatments included two panel density levels (500 and 600 kg/m3) and three resin types (urea-formaldehyde, melamine-urea-formaldehyde and wheat protein). Water absorption and thickness swelling of the laboratory manufactured boards were improved by adding melamine to urea-formaldehyde resin and by adding water repellent chemicals. The mechanical properties of the boards produced met the requirement for the general purpose product standards (EN 312-2) at both 500- and 600- kg/m3 densities. Decreasing the density, negatively affected the bending (modulus of rupture) and internal bond properties of canola boards. This decreasing trend was also observed for modulus of rupture values in bagasse boards of 500 kg/m3 density. Based on the results of the chemical analysis, it might be concluded that high values of ash content and lower values of hemicellulose and lignin content caused low physical properties and/or high water absorption of canola boards. The findings indicated that hemp and bagasse are valuable renewable natural resources for particleboard production and could be utilized as a substitute for wood in board production. In comparison with the reference boards, mixed variants boards showed surprisingly good results and generally conformed to European standards (EN 312-2) values.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».