MétaCan
Menu
Retour à la cohorte
Enregistrement W2230139131

Permeability of OSB. Part I. The Effects of Core Fines Content and Mat Density on Transverse Permeability

2006· article· en· W2230139131 sur OpenAlexfundno aff
Hamid R. Fakhri, Kate Semple, Gregory D. Smith

Notice bibliographique

RevueWood and Fiber Science (Society of Wood Science and Technology) · 2006
Typearticle
Langueen
DomaineEngineering
ThématiqueMaterial Properties and Processing
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésComposite materialPermeability (electromagnetism)Core (optical fiber)Materials scienceWater contentGeotechnical engineeringChemistryEngineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This paper reports on the effects of density and core fines content on the transverse permeability, K, of oriented strandboard (OSB), with the aim of using fines generated during the log stranding process to improve mat permeability and possibly press efficiency. Forty-five OSB panels were made in the laboratory containing five levels of fines content (0, 25, 50, 75, and 100%) and compressed to three target density levels (low—450, medium—550, and high—650 kg/m3). Both density and fines content and their interaction significantly influenced Kcore, which increased exponentially with fines content at each density level. Above 75% fines, density level no longer had any significant effect on Kcore, indicating that as the mat is compressed, the presence of fines maintains a more interconnected void system through which gas can pass. The rate of heat transfer to the core was affected by board thickness but contrary to expectations, not by fines content. Fines content did, however, affect the accumulation of gas pressure in the high target density heavily compressed boards; maximum core gas pressure was significantly reduced if core fines content was greater than 50%.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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 savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,013
Tête enseignante GPT0,197
Écart entre enseignants0,184 · 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 source (Gemma direct ou Codex distillé), 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

Citations14
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWood and Fiber Science (Society of Wood Science and Technology)Même sujetMaterial Properties and ProcessingTravaux en français237 207