MétaCan
Menu
Retour à la cohorte
Enregistrement W2346289048 · doi:10.2989/20702620.2016.1152532

The impact of mechanical log surface damage on chip size uniformity during debranching and debarking<i>Eucalyptus</i>pulpwood logs using a single-grip harvester

2016· article· en· W2346289048 sur OpenAlexaff
Jaco-Pierre van der Merwe, Pierre Ackerman, Reino Pulkki, Dirk Längin

Notice bibliographique

RevueSouthern Forests a Journal of Forest Science · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueForest Biomass Utilization and Management
Établissements canadiensLakehead University
Organismes subventionnairesnon disponible
Mots-clésPulpwoodBark (sound)Kraft processKraft paperPulp (tooth)Pulp and paper industryChipEnvironmental scienceEngineeringForestry

Résumé

récupéré en direct d'OpenAlex

Mechanised harvesting operations are becoming more prevalent in South Africa with the realisation that motormanual and manual harvesting operations pose significant health and safety risks to workers. The damage inflicted by single-grip harvester feed rollers and delimbing knives on log surfaces during debranching and debarking eucalypts, may affect eventual chip quality. Chip quality influences pulp quality and recovery in the kraft pulping process. This study investigates the influence of two mechanised debranching and debarking treatments on Eucalyptus pulp logs (threeand five-feed roller passes along the stem surface) by feed rollers and delimbing knives on chip uniformity, size and purity. The two mechanised treatments to three log classes (base, middle and top logs) were compared with chips produced from manually debarked logs. Manually debarked logs produced significantly less undesirable-sized chips than both three and five-pass processed logs. The volume of undesirablesized chips produced during chipping also increased with decreasing log size. Manually debarked logs produced chips with significantly less bark than three-pass-processed logs (0.008% vs 0.062%), and five-pass-processed logs produced chips with significantly less bark than three-pass-processed logs (0.018% vs 0.062%). Middle logs also produced chips with significantly less bark than base logs (0.016% vs 0.056%), and top logs produced chips with significantly less bark than base logs (0.017% vs 0.056%). In all cases the bark content on logs was considerably less than the maximum of 1.0% generally specified by kraft pulp mills.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,003

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 Opus0,014
Tête enseignante GPT0,239
Écart entre enseignants0,225 · 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'étudeObservationnel
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

Citations6
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSouthern Forests a Journal of Forest ScienceMême sujetForest Biomass Utilization and ManagementTravaux en français237 207