MétaCan
Menu
Retour à la cohorte
Enregistrement W2079572022 · doi:10.1021/ie0489608

Effect of Supercritical Gas on Crystallization of Linear and Branched Polypropylene Resins with Foaming Additives

2005· article· en· W2079572022 sur OpenAlexaff
Hani E. Naguib, Chul B. Park, Seungwon Song

Notice bibliographique

RevueIndustrial & Engineering Chemistry Research · 2005
Typearticle
Langueen
DomaineMaterials Science
ThématiquePolymer Foaming and Composites
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCrystallizationPolypropyleneDifferential scanning calorimetrySupercritical fluidMaterials sciencePolymerSolubilityChemical engineeringInert gasBranching (polymer chemistry)Supercritical carbon dioxidePolymer chemistryChemistryComposite materialOrganic chemistryThermodynamics

Résumé

récupéré en direct d'OpenAlex

The thermal behaviors of linear and branched polypropylene (PP) with foaming additives were investigated using a normal and a high-pressure differential scanning calorimeter (DSC). Specifically, the effects of material branching, dispersed additives, cooling rates, and dissolved blowing agents on the crystallization temperature of PP resins were elucidated. Introducing branches between polymer chains increased the crystallization temperature of PP significantly. Foaming additives such as talc and glycerol monostearate (GMS) as well as processing parameters such as cooling rate also played major roles during the crystallization process. The experimental results indicate that the crystallization temperature increases up to 30 °C by introducing branches and/or adding additives to the PP materials. However, the crystallization temperature was lowered as the supercritical fluid (such as nitrogen or carbon dioxide) was dissolved in the branched PP. The effect of hydraulic pressure was identified by performing DSC study by employing helium as an inert gas, which has a very limited solubility in the polymer matrix.

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)0,001
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 enseignants0,002
Score d'incertitude au seuil0,464

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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)0,0000,000

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 Opus0,026
Tête enseignante GPT0,305
Écart entre enseignants0,278 · 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

Citations78
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

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