MétaCan
Menu
Retour à la cohorte
Enregistrement W2137836201 · doi:10.4067/s0718-221x2011000300007

Effects of end-pressure on the finger-joint quality of black spruce lumber: A microscopic analysis

2011· article· es· W2137836201 sur OpenAlexaff
Cecilia Bustos, Roger E. Hernández, Robert Beauregard, Mohammad Mohammad

Notice bibliographique

RevueMaderas Ciencia y tecnología · 2011
Typearticle
Languees
DomaineEngineering
ThématiqueWood Treatment and Properties
Établissements canadiensFPInnovationsUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésJoint (building)Quality (philosophy)Black spruceMaterials scienceStructural engineeringBiologyEngineeringPhysicsEcology

Résumé

récupéré en direct d'OpenAlex

Efficiency of finger-joints in the Engineered Wood Products is key to the performance of these products. The aim of this research work was to evaluate, by scanning microscopic analysis, the effect of end pressure on the performance of horizontal finger-joint of black spruce (Picea mariana (Mill.) B.S.P) specimens. A feather joint configuration glued with an isocyanate type of adhesive cured at room-temperature was used. The finger-joints were machined at a feed rate of 18.3 m/min, rotational speed of 3500 rpm, and at a feed per knife (chip-load) of 0.86 mm. A single-face glueline application was used at a spread rate of 110 g/m2. The curing time was kept at 24 hours. Six end-pressure levels ranging from 1.38 MPa to 4.82 MPa applied for 20 seconds were investigated. Results showed that cell depth damage increased as end-pressure increased. Joints also showed formation of some air bubbles within the glueline which lead to a reduction in their tensile strength.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,202
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,035
Tête enseignante GPT0,237
Écart entre enseignants0,202 · 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.

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

Citations17
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMaderas Ciencia y tecnologíaMême sujetWood Treatment and PropertiesTravaux en français237 207