MétaCan
Menu
Retour à la cohorte
Enregistrement W2677737694 · doi:10.15376/biores.12.3.5715-5735

Flax Shive and Hemp Hurd Residues as Alternative Raw Material for Particleboard Production

2017· article· en· W2677737694 sur OpenAlexfundno aff
Solace Sam-Brew, Gregory D. Smith

Notice bibliographique

RevueBioResources · 2017
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNatural Fiber Reinforced Composites
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaAlberta Innovates - Technology Futures
Mots-clésRaw materialMaterials sciencePulp and paper industryComposite materialProduction (economics)Waste managementEngineeringOrganic chemistryChemistry

Résumé

récupéré en direct d'OpenAlex

Flax shive and hemp hurd residues were characterized, and the feasibility of manufacturing three-layered particleboards was evaluated using 2.5% and 5% polymeric diphenyl methane diisocyanate resin loadings. The flax shive and hemp hurd residues had lower bulk densities and higher aspect ratios compared with the wood residues. Their higher aspect ratios offered greater overlap in bonding, which led to consistently higher bending properties that exceeded the American National Standards Institute (ANSI) requirements for low-density (LD2) particleboard and, in some cases, medium-density (M2) particleboard. Because of their particle geometry, the flax shive and hemp hurd particleboards also showed minimal linear expansion with changes in the moisture content at 20 ± 3 °C and between 50% and 90% relative humidity. The high absorption capacity of the flax shive and hemp hurd residues resulted in higher thickness swell and water absorption properties than the wood residues. The results indicated that low-density flax shive and hemp hurd particleboards (500 to 620 kg/m3) can be manufactured using isocyanate resin quantities as low as 2.5% to produce panels that conform to ANSI specifications with a greater mechanical performance than that of wood residue particleboards.

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)0,000
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 enseignants0,008
Score d'incertitude au seuil0,697

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
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 Opus0,021
Tête enseignante GPT0,280
Écart entre enseignants0,260 · 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

Citations32
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBioResourcesMême sujetNatural Fiber Reinforced CompositesTravaux en français237 207