Influence of Machining Parameters on the Tensile Strength of Finger-Jointed High-Density Black Spruce Lumber
Notice bibliographique
Résumé
Finger-jointed softwood lumber is widely used in manufacturing of structural or nonstructural applications such as glued laminated lumber and prefabricated wood I-joists.Black spruce is the most frequently used species for finger-jointed engineered wood products in eastern Canada.However, some key machining parameters must be adjusted according to the properties of the wood to obtain a surface quality suitable for the finger-jointing process.The main objective of this study was to evaluate the effect of cutting speed and chip load on the ultimate tensile strength (UTS) of finger-jointed high-density black spruce.The variables were four cutting speeds and three chip loads.A feather profile was selected with an isocyanate adhesive and an end-pressure of 3.45 MPa.A factorial analysis showed a statistically significant interaction between cutting speed and chip load on UTS and cutting speed was the most significant variable.The influence of chip load on UTS was lower, apparent only at 3260 m/min cutting speed.Suitable finger-jointing could be achieved at 1860-3960 m/min cutting speed with a chip-load of 0.51-1.27mm.However, the best result was obtained at 3260 m/min cutting speed and 0.89 mm chip load.These results need to be validated in industrial mills to verify tool wear behavior.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».