MétaCan
Menu
Retour à la cohorte
Enregistrement W2580842752 · doi:10.6000/1929-5995.2016.05.04.1

Computer Integrated Manufacturing of Polyurethane Foams Steered by Measured and Calculated Data in Comparison

2016· article· en· W2580842752 sur OpenAlexvenueno aff
Heinrich Horacek

Notice bibliographique

RevueJournal of Research Updates in Polymer Science · 2016
Typearticle
Langueen
DomaineMaterials Science
ThématiquePolymer composites and self-healing
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIsocyanatePolyurethaneMaterials scienceViscosityActivation energyKinetic energyThermodynamicsComposite materialPolymer chemistryOrganic chemistryChemistry

Résumé

récupéré en direct d'OpenAlex

Polyurethane foams were manufactured under continuous measurements of isocyanate content, temperature, expansion and viscosity. Parallel model calculations were executed based on the driving force of 50kJ/mole heat of reaction of the energy rich isocyanate group and on thermodynamic balances of weight and heat of formation as well as on a kinetic model using a first order reaction for the isocyanate consumption and a relation for the viscosity dependent on conversion and on a viscosity constant. The agreement between continuous measured and calculated data was satisfying. The parameters isocyanate content, temperature, expansion and viscosity controlled and steered the variables of the production plant, like dosage of components, temperature and conveyer speed. The kinetic model was also valid for polyurethane foams with additives, which did not react with components of foam, like flame retardants or pigments. The thermodynamic balances of weight and heat predicted residues and consumed heats by degradation under fire, which correlated with those measured by TGA and DSC. The target was to establish computer integrated manufacturing without continuous measurements but by mere model calculation. This was possible with the knowledge of the first order velocity constant and the viscosity constant.

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)0,008
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 enseignants0,022
Score d'incertitude au seuil0,486

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0020,001
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 Opus0,063
Tête enseignante GPT0,371
Écart entre enseignants0,308 · 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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Research Updates in Polymer ScienceMême sujetPolymer composites and self-healingTravaux en français237 207