MétaCan
Menu
Retour à la cohorte
Enregistrement W1976174163 · doi:10.1177/0021955x14545138

Effect of mixing conditions on the morphology and performance of fiber-reinforced polyurethane foam

2014· article· en· W1976174163 sur OpenAlexafffund
Li-Chi Chang, Mohini Sain, Mark T. Kortschot

Notice bibliographique

RevueJournal of Cellular Plastics · 2014
Typearticle
Langueen
DomaineMaterials Science
ThématiquePolymer composites and self-healing
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaFPInnovations
Mots-clésMaterials sciencePolyurethaneComposite materialMixing (physics)FiberScanning electron microscopeNatural fiberModulusCompressive strength

Résumé

récupéré en direct d'OpenAlex

Polyol derived from soybean oil was used as a natural source preparation to create an environmentally friendly polyurethane foam. In order to stiffen these foams, wood fibers were added to provide reinforcement at low cost, while preserving the environmental friendly nature of the material. Mixing is a crucial step in the manufacture of reinforced foams and determines the fiber distribution and cell structure and hence the performance of the material. In this study, the effect of stirring variables on the mechanical properties of polyurethane foams was investigated and foams made using hand mixing were compared to foams made with a mechanical stirrer. Cell morphologies of the reinforced foams were characterized using scanning electron microscopy, X-ray computed tomography, and 3D stereo microscopy. The mechanical performance of the reinforced foam was essentially independent of stirring time and mainly depended on the variation in stirring rate. For foams made with high fiber fractions using a mechanical stirrer, the fibers were not as effective in increasing the compressive strength and modulus as they were in foams prepared by hand stirring. This suggests that mechanical stirring causes damage to the fibers, particularly at high fiber content.

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)0,002
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 seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
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 savante0,0000,001
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 GPT0,217
Écart entre enseignants0,210 · 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

Citations31
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Cellular PlasticsMême sujetPolymer composites and self-healingTravaux en français237 207