MétaCan
Menu
Retour à la cohorte
Enregistrement W2334671739 · doi:10.1021/ie4031456

Effectiveness of By-product Sulfur from Petroleum Refining as a Rubber Vulcanizing Agent: A XANES Investigation

2013· article· en· W2334671739 sur OpenAlexafffund
Pathompong Pangamol, Chakrit Sirisinha‬, Yongfeng Hu, Stephen G. Urquhart

Notice bibliographique

RevueIndustrial & Engineering Chemistry Research · 2013
Typearticle
Langueen
DomaineMaterials Science
ThématiqueThermal and Kinetic Analysis
Établissements canadiensCanadian Light Source (Canada)University of Saskatchewan
Organismes subventionnairesNational Research Council CanadaWestern Economic Diversification CanadaNatural Sciences and Engineering Research Council of CanadaRoyal Golden Jubilee (RGJ) Ph.D. ProgrammeThailand Research Fund
Mots-clésVulcanizationSulfurNatural rubberXANESPetroleum productMaterials scienceOil refineryChemical engineeringChemistryPetroleumOrganic chemistryComposite materialSpectroscopyMetallurgy

Résumé

récupéré en direct d'OpenAlex

Sulfur plays an important role in the rubber industry as a vulcanizing agent, providing an enhancement in mechanical properties relative to unvulcanized rubber. The sulfur used in industry originates from natural and petroleum sources. Petroleum-based sulfur (PS), usually a by-product from a refinery process, was used as the vulcanizing sulfur in the present work. The chemical structure of PS was characterized and compared to that of a commercial rhombic sulfur (RS) using sulfur K-edge X-ray absorption near-edge structure (XANES) spectroscopy. The results reveal that sulfur K-edge XANES spectroscopy has good sensitivity to the chemical structure of sulfur, and the chemical structures of sulfur in rubbers vulcanized with PS and RS are very similar. Furthermore, different types of rubbers vulcanized with PS or RS exhibit comparable mechanical properties. This work shows that PS can be used to replace RS as a vulcanizing agent for rubber.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,048
Tête enseignante GPT0,282
Écart entre enseignants0,234 · 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

Citations5
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIndustrial & Engineering Chemistry ResearchMême sujetThermal and Kinetic AnalysisTravaux en français237 207