MétaCan
Menu
Retour à la cohorte
Enregistrement W2263554800

Optimum Refining of TMP Pulp by Fractionation after the First Refining Stage

2010· article· en· W2263554800 sur OpenAlexaboutno aff
Alexandre Ferluc, Robert Lanouette, J. T. Bousquet, S. Bussiere

Notice bibliographique

RevueAppita Journal: Journal of the Technical Association of the Australian and New Zealand Pulp and Paper Industry · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueMaterial Properties and Processing
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPulp (tooth)NewsprintFractionationPulp and paper industryRefining (metallurgy)ChemistryChromatographyProcess engineeringMaterials scienceEngineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The pulp used in this work was sampled after the first TMP refining stage of a Canadian newsprint mill. This pulp was fractionated with a pressure screen into multiple fractions of long and fine fibres. We refined the fractions at high consistency in one or two stages and at low consistency. We recombined the refined fractions together to recreate the initial pulp. The initial pulp, itself refined at high consistency as in a typical TMP process, was compared with the recombined pulps. It appears that refining consistency has a strong effect on the quality of the recombined pulp and that it is possible to optimize the pulp quality with this kind of treatment. This optimization is closely related with the fractionation efficiency. The best fractionation process is a pressure screen cascade using baskets with very small apertures. This process is very efficient in separating fibres by length but also able to separate fibres on the basis of wall thickness, leading to fractions of long fibres enriched with latewood and fractions of short fibres enriched with earlywood.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 GPT0,226
Écart entre enseignants0,213 · 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

Citations12
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAppita Journal: Journal of the Technical Association of the Australian and New Zealand Pulp and Paper IndustryMême sujetMaterial Properties and ProcessingTravaux en français237 207