The Ability of Wood to Buffer Highly Acidic and Alkaline Adhesives
Notice bibliographique
Résumé
The ability of wood to buffer and mitigate the effects of strongly acidic or alkaline environ- ments produced near the glue line by extreme pH structural adhesives was evaluated. The pH values of wood, cured adhesives, and mixtures of the two in water slurries were determined for different wood types. The pHs of slurries of seven highly alkaline phenol–formaldehyde adhesives were lowered when the adhesive was cured in the presence of wood dust with effects increasing with the proportion of wood in the mixture. The “acidities” or amounts of alkali needed to adjust the slurries to pH 12.5 were relatively high for all species because of weak acid groups in wood that dissociate at pH greater than 8. This explains the ability of wood to buffer highly alkaline adhesives. The pHs of slurries of two acidic melamine–urea–formaldehyde adhesives increased in the presence of wood, but the effect was less significant compared with the alkaline adhesives. Similarly, the “alkalinities” or amounts of acid required to adjust the slurries to pH 3 were relatively low. Aspen veneer samples had a greater effect on adhesive pH than spruce and Douglas-fir. These effects will help mitigate potentially adverse effects of strongly alkaline or acidic adhesives on wood adhesive bond strength.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,009 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».