MétaCan
Menu
Retour à la cohorte
Enregistrement W2616922573

BIOPRODUCTS OF AUTOMOTIVE ACCESSORIES: RETHINKING DESIGN MATERIALS THROUGH CORNSTARCH, SUGARCANE AND HEMP

2007· article· en· W2616922573 sur OpenAlexaboutno aff
Apisak Sindhuphak

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueDesign Education and Practice
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAutomotive industryBioproductsEngineeringPolylactic acidRenewable energyManufacturing engineeringWaste managementMaterials scienceBiofuelComposite material
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Current bioproducts or bio-based products do not only require less energy to produce than petroleum-based products, they are made with renewable sources that engineered from excessive waste and natural local materials. This paper identifies alternative design solutions by suggesting a use of natural materials such as cornstarch, sugarcanes and hemp in designing automotive accessories. Leading automotive industries have focused on using bio-based materials for possible vehicle details such as dashboard panels, finishing trims and optional features and casing for light covers. A fermentation broth derived from cornstarch and sugarcanes, which were recovered as Polylactic acid or Polylactide (PLA), were selected by designer and automotive engineer to reconstruct bio-based materials to improve identity of bio-based design for an automotive world. This choice of material process yields similar quality to materials made from thermoplastic or materials categorized as lightweight-metal. Additional design examples of bio-based materials are products made from hemp fiber for bus seat in Canada, and biodegradable phone casing from England and Japan. These examples are described as solutions, which show sustainable use of alternative materials and suggest design applications that reflect concerns for the environment.

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)0,001
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 enseignants0,258
Score d'incertitude au seuil0,539

Scores Codex et Gemma par catégorie

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

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 Opus0,048
Tête enseignante GPT0,290
Écart entre enseignants0,242 · 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

Citations6
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetDesign Education and PracticeTravaux en français237 207