MétaCan
Menu
Retour à la cohorte
Enregistrement W2059077731 · doi:10.1021/ie060295a

Computer Simulation of Bubble-Growth Phenomena in Foaming

2006· article· en· W2059077731 sur OpenAlexaff
Siu N. Leung, Chul B. Park, Donglai Xu, Hongbo Li, Robert G. Fenton

Notice bibliographique

RevueIndustrial & Engineering Chemistry Research · 2006
Typearticle
Langueen
DomaineMaterials Science
ThématiquePolymer Foaming and Composites
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésBubbleRheologyViscositySurface tensionMaterials sciencePolystyreneThermal diffusivityThermodynamicsMechanicsLiquid bubblePolymerComposite materialPhysics

Résumé

récupéré en direct d'OpenAlex

This paper discusses the research conducted to achieve an accurate bubble-growth model and simulation scheme to describe precisely the bubble-growth phenomena that occur in polymeric foaming. Using the accurately measured thermophysical and rheological properties of polymer/gas mixtures (i.e., the solubility, the diffusivity, the surface tension, the viscosity, and the relaxation time) as the inputs for computer simulation, the growth profiles for bubbles nucleated at different times were predicted and carefully compared to experimentally observed data obtained from batch foaming simulation with online visualization. A polystyrene/carbon dioxide (PS/CO 2 ) system is used herein as a case example. It was verified that the cell-growth model is capable of thoroughly depicting the growth behaviors of bubble nuclei nucleated under varying processing conditions without using any fitting parameter. These results indicate that the established model accounts for most of the physics behind the bubble-growth phenomena. Furthermore, the effects of the aforementioned thermophysical and rheological parameters on the cell-growth dynamics were demonstrated by a series of sensitivity studies.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,050
Tête enseignante GPT0,300
Écart entre enseignants0,250 · 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'étudeSimulation ou modélisation
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

Citations124
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIndustrial & Engineering Chemistry ResearchMême sujetPolymer Foaming and CompositesTravaux en français237 207