MétaCan
Menu
Retour à la cohorte
Enregistrement W2028332844 · doi:10.1007/s11746-006-1008-2

Physical Properties of Polyurethanes Produced from Polyols from Seed Oils: II. Foams

2006· article· en· W2028332844 sur OpenAlexafffund
Suresh S. Narine, Xiaohua Kong, Laziz Bouzidi, Peter Sporns

Notice bibliographique

RevueJournal of the American Oil Chemists Society · 2006
Typearticle
Langueen
DomaineMaterials Science
ThématiquePolymer composites and self-healing
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaArcher Daniels Midland
Mots-clésCastor oilPolyolPolyurethaneThermogravimetric analysisCanolaSoybean oilHydroxyl valueMaterials scienceChemical engineeringOrganic chemistryComposite materialChemistryFood science

Résumé

récupéré en direct d'OpenAlex

Abstract Rigid polyurethane (PU) foams were prepared using three North American seed oil starting materials. Polyol with terminal primary hydroxyl groups synthesized from canola oil by ozonolysis and hydrogenation based technology, commercially available soybean based polyol and crude castor oil were reacted with aromatic diphenylmethane diisocyanate to prepare the foams. Their physical and thermal properties were studied and compared using dynamic mechanical analysis and thermogravimetric analysis techniques, and their cellular structures were investigated by scanning electron microscope. The chemical diversity of the starting materials allowed the evaluation of the effect of dangling chain on the properties of the foams. The reactivity of soybean oil‐derived polyols and of unrefined crude castor oil were found to be lower than that of the canola based polyol as shown by their processing parameters (cream, rising and gel times) and FTIR. Canola‐PU foam demonstrated better compressive properties than Soybean‐PU foam but less than Castor‐PU foam. The differences in performance were found to be related to the differences in the number and position of OH‐groups and dangling chains in the starting materials, and to the differences in cellular structure.

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)0,000
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 seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
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 Opus0,009
Tête enseignante GPT0,217
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

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

Citations258
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of the American Oil Chemists SocietyMême sujetPolymer composites and self-healingTravaux en français237 207