MétaCan
Menu
Retour à la cohorte
Enregistrement W2401550040 · doi:10.1002/pc.24077

Influence of functionalized polypropylene on polypropylene/graphene oxide nanocomposite properties

2016· article· en· W2401550040 sur OpenAlexaff
S. Sánchez‐Valdés, Alejandra Zapata‐Domínguez, J. G. Martínez‐Colunga, J. Méndez‐Nonell, L.F. Ramos de Valle, Adriana B. Espinoza‐Martínez, Ana Beatriz Morales–Cepeda, Pierre G. Lafleur, E. Ramírez‐Vargas

Notice bibliographique

RevuePolymer Composites · 2016
Typearticle
Langueen
DomaineMaterials Science
ThématiqueGraphene research and applications
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesConsejo Nacional de Ciencia y Tecnología
Mots-clésMaterials sciencePolypropyleneNanocompositeGrapheneFourier transform infrared spectroscopyComposite materialOxideMaleic anhydrideMelt flow indexThermal stabilityChemical engineeringCopolymerPolymerNanotechnology

Résumé

récupéré en direct d'OpenAlex

Graphene oxide (GO) derived from oxidation of natural graphite contains many active groups that can interact with a great variety of polar moieties. In this work, polypropylene (PP)/graphene oxide nanocomposites using polypropylene (PP) grafted with amine‐alcohol (PPgDMAE) as compatibilizer were prepared by two different methods. Maleic anhydride grafted PP (PPgMA) was reacted with 2‐[2‐(dimethylamine)‐ethoxy] ethanol (DMAE) in the melt for forming amine‐alcohol functionalized polypropylene (PPgDMAE). Nanocomposites were prepared by two methods. In one method, PP/GO nanocomposite was prepared by direct melt mixing in an internal batch mixer using PPgDMAE as compatibilizer. In another method, a previous mixing of PPgDMAE with GO in hot Xilene was done and then, once the solvent was evaporated, it was incorporated into PP by melt‐mixing. The microstructure and interface enhancement of the prepared composites were analyzed by Fourier transform infrared spectroscopy (FTIR), Raman, X‐ray difraction (DRX) contact angle, scanning and transmission electron microscopy (STEM), mechanical, thermal, and electrical properties measurements. Fourier transform infrared spectroscopy (FTIR) revealed the interaction between GO and PPgDMAE. The loading of GO conducted to enhance the composite mechanical properties attributed to the strong interfacial interactions between GO and PPgDMAE. A significant improvement in mechanical thermal stability and electrical properties was observed when nanocomposites were prepared by the solution blending method compared with melt mixing method. This work suggests a potential application of GO in preparation of high performance PP composites. POLYM. COMPOS., 39:1361–1369, 2018. © 2016 Society of Plastics Engineers

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 enseignants0,001
Score d'incertitude au seuil0,002

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 Opus0,017
Tête enseignante GPT0,243
Écart entre enseignants0,226 · 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

Citations31
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePolymer CompositesMême sujetGraphene research and applicationsTravaux en français237 207