MétaCan
Menu
Retour à la cohorte
Enregistrement W2312376680 · doi:10.7451/cbe.2013.55.2.1

Application of stochastic modelling for simulating hemp fibre peeling behaviour

2013· article· en· W2312376680 sur OpenAlexvenueno aff
Leno Guzman, Yihan Chen, Simon Potter, Wen Zhong, Md. Mahmudur Rahman

Notice bibliographique

RevueCanadian Biosystems Engineering · 2013
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNatural Fiber Reinforced Composites
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComposite materialMaterials scienceComputer science

Résumé

récupéré en direct d'OpenAlex

The separation of fibre and core components of hemp stem is a fundamental step in hemp decortication, mechanical separation of fibre and core. This research aimed to enhance the understanding of fibre-peeling behaviour of hemp to improve the current decortication technologies. Peel tests were performed on retted and unretted hemp samples for each of two hemp varieties, USO 14 and Alyssa. Results showed that force and work required to peel did not vary with the retting condition, but with the hemp variety. The average peeling force for the Alyssa variety was 0.39 N and that for the USO 14 variety was 0.87 N. Within the Alyssa variety, the work required to peel the fibre from the core was 193 J m-2, and the work required to peel the fibres of the USO 14 variety was 431 J m-2. The Ising model was implemented to produce a stochastic model which simulated the peeling force obtained from the peel tests. The behaviour of the simulated peel test was similar to that observed during the peel test and the process of fibre peeling was successfully simulated through the use of a stochastic algorithm. The stochastic model simulated the average peel force to be 0.86 N for the USO 14 variety and 0.39 N for the Alyssa variety.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,054

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,010
Tête enseignante GPT0,200
Écart entre enseignants0,190 · 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'étudeSimulation ou modélisation
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

Citations1
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Biosystems EngineeringMême sujetNatural Fiber Reinforced CompositesTravaux en français237 207