MétaCan
Menu
Retour à la cohorte
Enregistrement W2332693820 · doi:10.3183/npprj-2009-24-02-p141-147

Paper chemistry

2009· article· en· W2332693820 sur OpenAlexaff
Marcius H. de Oliveira, Álvaro Tejado, Theo G. M. van de Ven

Notice bibliographique

RevueNordic Pulp & Paper Research Journal · 2009
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueChemical Safety and Risk Management
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésIndustrial chemistryPolymer scienceChemistryBiochemical engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

The wet web strength of handsheets containing PCC (precipitated calcium carbonate) fillers with different particle sizes was evaluated for various concentrations of PCC. Also the friction between wet sheets containing PCC was evaluated in the range 30-55% solids content. It was found that incorporating PCC in the sheet using cPAM (cationic polyacry-lamide) as a retention aid leads to the formation of large PCC aggregates, which have a negative impact on wet web strength. On the other hand, incorporating PCC in sheets using PEI (polyethylene imine) as a retention aid, leads to a decrease in PCC size and the wet web strength is found to be very close to that of sheets without PCC. It is suggested that PCC particles or small aggregates deposited on fibers can increase the friction between fibers, thus increasing the entanglement friction and the wet web strength, whereas large PCC aggregates, which due to their large size can easily detach from fibers, interfere with fiber entanglements during the consolidation of the sheet, resulting in lower strength. The increase in friction was confirmed by measurements of the friction force between two wet sheets. In the regime where capillary forces are absent, depositing PCC particles or aggregates on top of a wet sheet increases the friction between sheets. It was also found that the addition of microfibrils to the PCC-filled handsheets increases the wet web strength, likely because of mechanical entanglements caused by the microfibrils.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,362
Score d'incertitude au seuil0,909

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,000
Communication savante0,0030,002
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,3620,230

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 Opus0,029
Tête enseignante GPT0,326
Écart entre enseignants0,298 · 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.

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

Citations8
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNordic Pulp & Paper Research JournalMême sujetChemical Safety and Risk ManagementTravaux en français237 207