MétaCan
Menu
Retour à la cohorte
Enregistrement W2575884486 · doi:10.5539/jmsr.v6n2p1

Bamboo Particles-Polyvinyl Chloride Composites: Analysis of Particles Size Distribution and Composites Performance

2017· article· en· W2575884486 sur OpenAlexvenueno aff
Shahril Anuar Bahari, Andreas Krause

Notice bibliographique

RevueJournal of Materials Science Research · 2017
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNatural Fiber Reinforced Composites
Établissements canadiensnon disponible
Organismes subventionnairesUniversiti Teknologi MARADeutsche Forschungsgemeinschaft
Mots-clésMaterials scienceBambooComposite materialPolyvinyl chloride

Résumé

récupéré en direct d'OpenAlex

Analysis of particles size distribution of Malaysian bamboo species (Bambusa vulgaris and Schizostachyum brachycladum) for polyvinyl chloride (PVC) composites production was conducted using dynamic image analysis (DIA). A wide distribution of bamboo particles length was recorded, varying from almost 0 to 1500-µm for both species. Inadequate amount of actual particles length distribution from each sieve size (75-µm and 1-mm) was also recorded. DIA observed an increase of aspect ratio from small to large particles, and fine particles were recorded to be slightly elongated than the large ones. However, the effects of bamboo particles size on the finished PVC composites performance were uncertain, considerable of numerous other factors that influence the performance. Only impact and water uptake properties of composites have been obviously affected by different particles size. Greater modulus value is observed in composites with high particles loading, though low impact strength and water resistance were recorded. The incorporation of high concentration of selected processing lubricants in the composites formulation helped to improve the impact and water resistance of the composites. Malaysian bamboo particles-PVC composites performance between different species was equivalent, demonstrated that both species displayed identical behaviour for composites production.

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 seuil0,003

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
Bibliométrie0,0010,000
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 Opus0,050
Tête enseignante GPT0,363
Écart entre enseignants0,312 · 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

Citations13
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Materials Science ResearchMême sujetNatural Fiber Reinforced CompositesTravaux en français237 207