MétaCan
Menu
Retour à la cohorte
Enregistrement W2031644589 · doi:10.1002/app.25343

Urea–formaldehyde‐resin gel time as affected by the pH value, solid content, and catalyst

2006· article· en· W2031644589 sur OpenAlexaff
Cheng Xing, S. Y. Zhang, James Deng, Siqun Wang

Notice bibliographique

RevueJournal of Applied Polymer Science · 2006
Typearticle
Langueen
DomaineChemistry
ThématiquePhotopolymerization techniques and applications
Établissements canadiensIntertek (Canada)
Organismes subventionnairesnon disponible
Mots-clésHydrochloric acidCatalysisAmmonium chlorideFormaldehydeCuring (chemistry)ChemistryUrea-formaldehydeNuclear chemistryAmmoniumUreaIon-exchange resinChlorideSynthetic resinPolymer chemistryInorganic chemistryOrganic chemistryAdhesive

Résumé

récupéré en direct d'OpenAlex

Abstract An experiment was conducted to investigate the effects of the resin solid content, catalyst content, and pH value obtained by the addition of two kinds of catalysts on the gel time of a urea–formaldehyde (UF) resin. Upon the addition of ammonium chloride, the pH value of the resin mixture decreased to 7 but not significantly further because of the limited free formaldehyde in the system. The pH values of the critical points, at which the resin‐curing rate dramatically increased and the gel time was reduced, were above 7 for both catalysts. To achieve the same gel time, the required pH value of the UF resin adjusted with ammonium chloride was higher than that of the resin modified by hydrochloric acid. This indicated that the main effects of ammonium chloride on the UF‐resin cure included both the release of hydrochloric acid and the catalysis of the reactants in the UF‐resin system. The gel time of the UF resin obviously decreased with increasing catalyst and resin solid contents and with decreasing pH. © 2006 Wiley Periodicals, Inc. J Appl Polym Sci 103: 1566–1569, 2007

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)0,001
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 enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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)0,0020,000

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 Opus0,005
Tête enseignante GPT0,231
Écart entre enseignants0,225 · 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

Citations54
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied Polymer ScienceMême sujetPhotopolymerization techniques and applicationsTravaux en français237 207