Impact of curing condition on pH and alkalinity/acidity of structural wood adhesives
Notice bibliographique
Résumé
Abstract Nine formulations were selected for evaluating the effect of different curing methods on pH and alkalinity or acidity of various structural wood adhesives. These included four phenol–formaldehyde (PF) resins with high pH, one phenol–resorcinol–formaldehyde (PRF) resin with intermediate pH, two melamine–urea–formaldehyde (MUF) resins, and two melamine–formaldehyde (MF) resins with low pH. The four curing methods used in the study were: (1) curing at 102–105°C for 1 h (based on CSA O112.6‐1977), (2) four‐hour curing at 66°C followed by 1‐hour curing at 150°C (based on ASTM D1583‐01), (3) curing at room temperature overnight (based on ASTM D 1583‐01), and (4) cured adhesive squeezed out from glue lines of bonded shear block samples. The effect of the different methods on pH and alkalinity/acidity of the cured adhesive depended strongly on the individual adhesives. For the PF, the alkalinity was different for the different formulations in the liquid form, while in the cured form, the difference in the alkalinity depended on the curing method used. The MF and the MUF were the adhesives most affected by the method used. In particular, the MUF showed much higher cured film pH values when cured by method 2 compared to the other three methods, while both the cured MF and MUF exhibited quite variable acidity values when cured with the different methods. The PRF showed reasonably uniform cured film pH but varying acidity values when cured with the different methods. © 2010 Wiley Periodicals, Inc. J Appl Polym Sci, 2010
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».