Application of lime kiln dust as a filler in the natural rubber industry
Notice bibliographique
Résumé
Abstract Lime kiln dust (LKD) obtained from kraft chemical recovery systems by conversion of calcium carbonate (CaCO 3 ) back into calcium oxide (CaO) for reuse in the causticizing process, is mainly composed of CaCO 3 . A two‐stage conventional mixing procedure was used to incorporate LKD into natural rubber (NR). For comparison purposes, four commercial fillers, stearic acid coated CaCO 3 , ground CaCO 3 , silica, and carbon black, were also used. The effect of these fillers on the curing characteristics and mechanical properties of NR materials at various loadings ranging from 0 to 60 phr were studied. The results indicate that the use of LKD filler resulted in a lower Mooney viscosity and shorter curing time in the NR materials. The incorporation of LKD into NR improved the Young's modulus and hardness but decreased the tensile strength and tear strength. However, LKD was better in processability than the commercial fillers. Scanning electron micrographs revealed that the morphology of the rubbers filled with reinforcing fillers, such as silica and carbon black, was finer and more homogeneous compared to the those of the rubbers filled with LKD and commercial CaCO 3 . The dispersion of LKD and commercial CaCO 3 fillers in the rubber matrix was discontinuous, which in turn, generated a weak structure compared with the reinforcing fillers. According to these observations, LKD could be used as a cheaper filler for NR materials where improved mechanical properties are not critical. © 2010 Wiley Periodicals, Inc. J Appl Polym Sci, 2011
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».