Influence of Machining Parameters on the Structural Performance of Finger-Joined Black Spruce
Notice bibliographique
Résumé
In Eastern Canada, black spruce (Picea mariana (Mill.)B.S.P.) has recently been introduced in the finger-jointing industry.However, little information is available on some of the key manufacturing parameters that influence the finger-jointing process.Therefore, the main objective of this work was to evaluate the effect of wood machining parameters on the ultimate tensile strength (UTS) of finger-joined black spruce in order to optimize the performance of the product.Parameters investigated in this study were the chip-load and the cutting speed.A feather profile was selected with an isocyanate-based adhesive and an end-pressure of 3.43 MPa.A factorial analysis showed a statistically significant interaction between cutting speed and chip-load on the UTS.Within the range of values studied, the cutting speed was the most significant variable affecting finger-joined black spruce.The influence of chip-load on the tensile strength of finger-joints was lower, being apparent only at lower cutting speeds.Results indicated that suitable finger-jointing could be achieved within a range of 1676 m/min and 2932 m/min of cutting speeds with a chip-load between 0.64 mm and 1.14 mm.However, within this range the best result was obtained at 2932 m/min cutting speed and 0.64 mm chip-load.Scanning microscope image analysis of the damaged cells confirmed the effect of cutting speed on the finger-jointing process.In general, the depth of damage was more severe as the cutting speed increased.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,007 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».