MétaCan
Menu
Retour à la cohorte
Enregistrement W2501303822 · doi:10.15376/biores.11.3.7637-7653

Characterization of Wastes and Coproducts from the Coffee Industry for Composite Material Production

2016· article· en· W2501303822 sur OpenAlexaff
Nima Zarrinbakhsh, Tao Wang, Arturo Rodriguez‐Uribe, Manjusri Misra, Amar K. Mohanty

Notice bibliographique

RevueBioResources · 2016
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNatural Fiber Reinforced Composites
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésThermogravimetric analysisPolypropyleneMaterials scienceThermal stabilityComposite materialFiller (materials)Scanning electron microscopeBiomass (ecology)Coffee groundsComposite numberPolymerChemical engineeringChemistryAgronomyFood science

Résumé

récupéré en direct d'OpenAlex

This study characterizes and compares coffee chaff (CC) and spent coffee grounds (SCG), the two most useful coffee waste products, and evaluates their performance as fillers and/or reinforcing agents in polymer composites. The morphologies of the CC and the SCG were studied using a scanning electron microscope (SEM). Detailed compositional and elemental analyses of the samples were carried out using several techniques. The thermal stabilities of the two types of biomass were evaluated using thermogravimetric analysis (TGA). Infrared spectroscopy was performed to investigate the functional groups available on the surface of the biomass. It was found that the CC had higher thermal stability, lower fat content, and a denser fibrous structure than the SCG, making it potentially a more suitable material than the SCG for use as a reinforcing filler in polymer composites. To verify this potential, CC and SCG filled polypropylene composites were produced and evaluated.

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)0,001
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
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
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 Opus0,012
Tête enseignante GPT0,215
Écart entre enseignants0,203 · 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

Citations125
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBioResourcesMême sujetNatural Fiber Reinforced CompositesTravaux en français237 207