MétaCan
Menu
Retour à la cohorte
Enregistrement W2052992105 · doi:10.1002/app.24092

Water vapor adsorption and volumetric swelling of melt‐impregnated wood–polymer composites

2006· article· en· W2052992105 sur OpenAlexaff
Yaolin Zhang, S. Y. Zhang, Ying Hei Chui

Notice bibliographique

RevueJournal of Applied Polymer Science · 2006
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNatural Fiber Reinforced Composites
Établissements canadiensIntertek (Canada)University of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésPolyethyleneMaterials scienceAdsorptionComposite materialSwellingPolymerMoistureWater vaporEquilibrium moisture contentChemistrySorptionOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Wood–plastic composites were prepared through impregnation of solid wood with polyethylene. A resolution IV screening design of 16 runs for seven factors at two levels was adopted. The seven factors tested were ratio of maleated polyethylene in formulations, ratio of polyethylene of different molecular weights, four process factors (vacuum, pressure, time, and temperature), and wood species (red maple and aspen). Moisture adsorption content and volumetric changes as a function of time were investigated. This study also examined the effects of impregnation parameters and impregnants on water vapor adsorption and dimensional stability. The process parameters (pressure and temperature), polymer impregnants (polyethylene of different molecular weights), and wood species contributed significantly to the equilibrium moisture content (EMC), whereas the moisture adsorption rate was mainly affected by the polymer impregnants (polyethylene of different molecular weights). The EMC was inversely proportional to polymer retention. However, none of the variables significantly contributed to volumetric swelling; the volumetric swelling rate was mainly affected by wood species, the molecular weight of the polyethylene, and impregnation vacuum. © 2006 Wiley Periodicals, Inc. J Appl Polym Sci 102: 2668–2676, 2006

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,004
Score d'incertitude au seuil0,603

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 GPT0,214
Écart entre enseignants0,207 · 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 tête enseignante, 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

Citations16
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied Polymer ScienceMême sujetNatural Fiber Reinforced CompositesTravaux en français237 207