MétaCan
Menu
Retour à la cohorte
Enregistrement W2170972022 · doi:10.1002/cjce.20602

Effects of acid treatment on adhesive performance of encapsulated aluminium pigments on plastic sheets

2011· article· en· W2170972022 sur OpenAlexvenueaboutno aff
Peng Pi, Junhao Chen, Kui Chen, Zhengqing Cai, Dafeng Zheng, Xiaoping Wen, Jue Cheng, Zhuo Yang

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2011
Typearticle
Langueen
DomaineMaterials Science
ThématiqueSurface Modification and Superhydrophobicity
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAluminiumAdhesiveMaterials scienceAcrylic acidPigmentAcrylic resinComposite materialChemical engineeringChemistryPolymerOrganic chemistryLayer (electronics)Copolymer

Résumé

récupéré en direct d'OpenAlex

Abstract In this study, aluminium pigments were encapsulated with hydroxyl group‐containing acrylic resin after surface acid treatment to enhance their adhesive performance in the paint film. The removal efficiency of fatty acid on surface of aluminium particles was studied by means of thermogravimetric analysis and the effect of acid treatment on adhesive performance of aluminium pigments encapsulated with hydroxyl group‐containing acrylic resin in the paint film was investigated by pulling‐off tests. It was found that fatty acid on surface of aluminium particles was removed efficiently by acid ethanol solution, and then hydroxyl group‐containing acrylic resin can be encapsulated onto the surface of the aluminium particles by chemisorptions. The encapsulated aluminium pigments have excellent adhesive performance in the paint film. © 2011 Canadian Society for Chemical Engineering

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 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 seuil0,294

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,015
Tête enseignante GPT0,185
Écart entre enseignants0,170 · 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

Citations8
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetSurface Modification and SuperhydrophobicityTravaux en français237 207