MétaCan
Menu
Retour à la cohorte
Enregistrement W2037672285 · doi:10.1002/cjce.21708

Effect of particle size of magnesium silicate filler on physical properties of paper

2012· article· en· W2037672285 sur OpenAlexvenueaboutno aff
Vipul Singh Chauhan, Nishi Kant Bhardwaj, Swapan Kumar Chakrabarti

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueMaterials Engineering and Processing
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTalcFiller (materials)PapermakingMaterials scienceUltimate tensile strengthComposite materialParticle sizeCalcium carbonateMagnesiumPulp (tooth)MineralogyMetallurgyChemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Fillers are essential component of printing papers to increase the opacity, brightness, and to improve formation and printing properties. As a very little work has been reported so far on magnesium silicate (talc), the study was conducted with the filler of different particle size for papermaking. The sheets were made in the laboratory with refined mixed hardwood chemical pulp with five grades of talc, ground calcium carbonate (GCC) and precipitated calcium carbonate (PCC) fillers with 15–24% ash level. Apparent density along with tensile, burst, tear index, Z‐direction tensile strength (ZDTS) and bending stiffness index were evaluated for talc filled sheets, and compared with GCC and PCC. Physical strength properties of talc filled sheets were decreased at a faster rate on increasing filler loading in paper and decreasing the particle size of the filler. With same type of filler its particle size determines the physical properties of paper. The postulate was not found to be valid for all the three varieties of fillers viz., talc, PCC and GCC. Shape and geometry of the PCC and GCC fillers determine the individual property. © 2012 Canadian Society for Chemical Engineering

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 enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 Opus0,006
Tête enseignante GPT0,174
Écart entre enseignants0,168 · 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
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetMaterials Engineering and ProcessingTravaux en français237 207