MétaCan
Menu
Retour à la cohorte
Enregistrement W2118894059 · doi:10.1177/0021998314533714

Simultaneous optimization of the mechanical properties of postconsumer natural fiber/plastic composites: Processing analysis

2014· article· en· W2118894059 sur OpenAlexafffund
Jean Luc Toupe, Albert Trokourey, Denis Rodrigue

Notice bibliographique

RevueJournal of Composite Materials · 2014
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNatural Fiber Reinforced Composites
Établissements canadiensUniversité Laval
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMaterials scienceUltimate tensile strengthComposite materialExtrusionFlexural strengthComposite numberMoldDesign of experimentsFiberNatural fiberResponse surface methodologyCentral composite designComputer science

Résumé

récupéré en direct d'OpenAlex

In this work, manufacturing steps of composites were simultaneously analyzed to optimize four mechanical properties (flexural and tensile moduli, impact strength, and tensile stress at yield) of flax fiber/postconsumer recycled plastic composite. Eight parameters of the extrusion-injection process (extrusion: temperature profile and screw speed; injection: temperature profile in the barrel, mold temperature, injection speed, injection pressure, injection time, and back pressure) were selected. Process optimization, taking into account simultaneously all the mechanical properties (multi-responses optimization), required four steps: determination of influential factors by a screening design and an evaluation of the selected factors effects on the mechanical properties, modeling of the relationships between mechanical properties and significant factors by a Box–Behnken experimental design and a multiple linear regression analysis, identification of the potentially optimum conditions using the desirability function approach (Derringer–Suich model), and determination the optimum composite manufacturing conditions by a comparative analysis of the material relative qualities.

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 enseignants0,218
Score d'incertitude au seuil0,607

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,008
Tête enseignante GPT0,224
Écart entre enseignants0,216 · 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

Citations11
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Composite MaterialsMême sujetNatural Fiber Reinforced CompositesTravaux en français237 207