Pilot-Scale Investigation into the Effects of Alkaline Peroxide Pre-Treatments on Low-Consistency Refining of Primary Refined Softwood TMP
Notice bibliographique
Résumé
Primary refined coarse softwood thermomechanical pulp was treated with alkaline peroxide prior to low-consistency (LC) refining. The effects of the pre-treatments on pulp quality, refinability, and electrical energy consumption were assessed. Four pre-treatments were conducted with alkali charges of 2.5 and 6% and peroxide charges of 3 and 4%. The pulps were refined to specific energies up to 600 kWh/t by multiple passes through an LC refiner at intensities of 90 and 150 kWh/t. It was found that alkaline peroxide treatments increased tear strength and protected the fibre from cutting, especially during high intensity refining below a specific energy of 300 kWh/t. Treatment with 6% NaOH and 4% or 3% H2O2 led to lower brightness gains and scattering coefficients but increased the tensile strength index by 31%, potentially lowering the total electrical energy required to achieve strong pulp. The enhancement of tensile strength caused by the highly alkaline peroxide mostly resulted from increased bonding, which was attributable to acid group generation rather than the promotion of further fibrillation during LC refining.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 | 0,001 |
| 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) | 0,000 | 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 tête enseignante, 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 ».