MétaCan
Menu
Retour à la cohorte
Enregistrement W2753493655 · doi:10.3390/coatings7090135

Microstructure and Mechanism of Grain Raising in Wood

2017· article· en· W2753493655 sur OpenAlexaff
Philip D. Evans, Ian Cullis, Lukie H. Leung, Siti Hazneza, Roger Heady

Notice bibliographique

RevueCoatings · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueWood Treatment and Properties
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésRaising (metalworking)MicrostructureMaterials scienceWettingAbrasiveComposite materialGrain sizeMetallurgy

Résumé

récupéré en direct d'OpenAlex

Grain raising, the lifting of fibres when water is applied to wood surfaces, is a reason why some companies are reluctant to finish wood products with water-borne coatings. However, the elements that lift-up and cause grain raising have not been identified, and the relationship between wood density and grain raising has not been clarified. Our work sought answers to both questions. We planed or sanded different woods using aluminum oxide abrasive paper, and characterized surfaces using profilometry and SEM. Surfaces were re-characterized after wetting and drying. Grain raising is inversely related to wood density. In particular, very low-density woods are highly susceptible to grain raising, whereas grain raising does not occur in high-density woods or planed woods. In low-density woods, sanding tears cell walls creating loosely-bonded slivers of wood that project from surfaces, particularly after wetting and drying. This mechanism for grain raising was confirmed by modelling the action of abrasives on wood cell walls using an array of hollow tubes and a serrated tool. Less commonly, fibres and fibre-bundles project from surfaces. We observed that grain raising was correlated with the coarseness of the abrasive and conclude that it can be reduced in severity by tailoring sanding to account for the density and surface microstructure of wood.

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 enseignants0,023
Score d'incertitude au seuil0,191

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 Opus0,014
Tête enseignante GPT0,215
Écart entre enseignants0,201 · 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

Citations15
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCoatingsMême sujetWood Treatment and PropertiesTravaux en français237 207