MétaCan
Menu
Retour à la cohorte
Enregistrement W2750713814 · doi:10.15376/biores.12.4.7841-7858

Recovery modeling for OSB strand production from hollow bamboo culms

2017· article· en· W2750713814 sur OpenAlexafffund
Kate Semple, Gregory D. Smith

Notice bibliographique

RevueBioResources · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueInnovations in Concrete and Construction Materials
Établissements canadiensUniversity of British ColumbiaCRB Innovations (Canada)FPInnovations
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaFPInnovations
Mots-clésSlicingBambooOriented strand boardMaterials scienceComposite materialPhyllostachysComposite numberUSableStackingStructural engineeringMechanical engineeringComputer scienceEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

Current methods of reducing giant Moso bamboo (Phyllostachys pubescens Mazel) to elements for composite manufacture are often inefficient and waste valuable biomass. This study employed geometric modelling to analyze and optimize the recovery of strands for oriented strand board manufacture. Three geometric models for calculating the numbers of strands, their widths, and their distribution based on culm diameter, wall thickness, target strand thickness, and flitch size were developed to determine an optimum slicing configuration. Real strands were produced by a disk flaker at the model strand thickness of 0.65 mm. Optimum configuration for the maximum number of usable strands per culm was from splitting culms into quarters, tight stacking, and radial slicing through the culm wall, which produced 37% more ‘usable’ strands 10 mm to 30 mm in width, fewer fines, and fewer excessively wide strands. Proportions of real strands fell into three size classes: < 10 mm, 10 mm to 30 mm, and > 30 mm, and closely matched modelled predictions. A slightly bimodal strand width frequency distribution observed from stranding full rounds was reflected in the distribution of the model strands calculated from slicing a full round into 0.65 mm increments.

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 enseignants0,243
Score d'incertitude au seuil0,405

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 technologies0,0000,000
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 Opus0,029
Tête enseignante GPT0,241
Écart entre enseignants0,211 · 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
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBioResourcesMême sujetInnovations in Concrete and Construction MaterialsTravaux en français237 207