MétaCan
Menu
Retour à la cohorte
Enregistrement W2155959957 · doi:10.3968/j.ans.1715787020110402.l790

Optimum Research of Hot-Pressing Technology of the Composite Board with Waste Wood and Paper

2011· article· en· W2155959957 sur OpenAlexvenueno aff
Hui Chen, Zhigao Liu, Juncheng Chen, Qiuhui Zhang

Notice bibliographique

RevueAdvances in natural science/Advances in natural sciences · 2011
Typearticle
Langueen
DomaineMaterials Science
ThématiqueTextile materials and evaluations
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPressingHot pressingComposite numberMaterials scienceComposite materialYoung's modulusHot pressFlexural strengthEngineered woodOriented strand boardWaste managementEngineering

Résumé

récupéré en direct d'OpenAlex

On the rise of global low-carbon economy with the purpose of leveraging waste wood resources efficiently, waste wood and paper was processed into new type wood-based panels. The hot-pressing technology of the 9 mm composite board with waste wood and paper was studied through an orthogonal experiment, and the effects of resin content, hot-pressing temperature, hot-pressing time and the mass ratio of waste wood and paper were discussed. Results indicated that effects of resin content on the MOR (Modulus of rupture), MOE (modulus of elasticity) and 24h TS (thickness swelling) of the composite board were remarkable, while effects of hot-pressing temperature, hot-pressing time and the mass ratio of waste wood and paper were slight. Based on the quality indicators of MOR, it was found that the optimum condition of hot-pressing for the 9 mm composite board with waste wood and paper was estimated to include resin content of 19%, hot-pressing temperature of 120 °C, hot-pressing time of 12.5min, and the mass ratio of waste wood and paper of 7 to 13. Under these conditions, the composite board could be used as new materials for furniture, interior decoration and packaging. Key words: Waste wood; Waste paper; Composite board; Hot-pressing technology

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)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,040
Score d'incertitude au seuil0,988

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,006
Études des sciences et des technologies0,0010,014
Communication savante0,0000,005
Science ouverte0,0020,001
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 Opus0,029
Tête enseignante GPT0,352
Écart entre enseignants0,323 · 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

Citations3
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in natural science/Advances in natural sciencesMême sujetTextile materials and evaluationsTravaux en français237 207