MétaCan
Menu
Retour à la cohorte
Enregistrement W2514626888 · doi:10.5539/jmsr.v5n4p10

Thermal and Nanoindentation Behaviours of Layered Silicate Reinforced Recycled GF-12 Nanocomposites

2016· article· en· W2514626888 sur OpenAlexvenueno aff
A. Shalwan, A. I. Alateyah, B. Aldousiri, M. Alajmi

Notice bibliographique

RevueJournal of Materials Science Research · 2016
Typearticle
Langueen
DomaineMaterials Science
ThématiquePolymer Nanocomposites and Properties
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceNanoindentationNanocompositeSilicateExfoliation jointCrystallizationDifferential scanning calorimetryComposite materialIntercalation (chemistry)Glass transitionMontmorillonitePolymerChemical engineeringGrapheneNanotechnology

Résumé

récupéré en direct d'OpenAlex

<p class="1Body">This work is an attempt to improve the thermal and nanoindentation behaviours of recycled Glass-Filled Polyamide-12 (GF-12) by adding layered Silicate (Nanoclay) as a reinforced filler. Differential Scanning Calorimetry (DSC) and Nanoindentation tests were conducted to study the effect of various loading levels (0-7 wt. %) of Nano-layered silicate on the thermal and nanohardness behaviours of GF-12 and its nanocomposites. Wide Angle X-ray Diffraction (WAXD) was employed to characterise the nanostructure of material and determine the intercalation/exfoliation for layered silicate in a GF-12 matrix. This study reveals that the layer silicate has a positive effect on the hardness results. Nanoindentation results showed remarkable improvement when layered silicate was added to recycled GF-12. The Glass transition (T<sub>g</sub>) and crystallization (T<sub>c</sub>) temperatures showed a slight improvement over the base polymer by the incorporation of layered silicate. Moreover, the enhancement of crystallization was obvious with the addition of clay loading, which functioned as a nucleating agent that could increase the rate of crystallization.</p>

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,007
Score d'incertitude au seuil0,552

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,057
Tête enseignante GPT0,347
Écart entre enseignants0,290 · 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 tête enseignante, 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

Citations1
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Materials Science ResearchMême sujetPolymer Nanocomposites and PropertiesTravaux en français237 207