MétaCan
Menu
Retour à la cohorte
Enregistrement W2767041913 · doi:10.4028/www.scientific.net/kem.757.29

Thermoplastic Vulcanizates/Recycled Polypropylene Blend for Automotive OEM

2017· article· en· W2767041913 sur OpenAlexaff
Rungsima Yeetsorn, Thitinun Ungtrakul, Kotchaporn Jariyakun, Walaiporn Prissanaroon‐Ouajai, Costas Tzoganakis

Notice bibliographique

RevueKey engineering materials · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueTransport Systems and Technology
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésMaterials sciencePolypropylenePlastics extrusionComposite materialThermoplasticInjection mouldingScrapUltimate tensile strengthFlexural strengthAutomotive industryPolymer blendRaw materialMelt flow indexPolymerCopolymerMetallurgy

Résumé

récupéré en direct d'OpenAlex

An original equipment market (OEM) in Thailand mainly imports thermoplastic vulcanizates (TPV) from abroad that leads to a high manufacturing cost. To reduce the cost and to create value-added products from a plastic scrap, therefore, this research aim is to observe a possibility of using TPV and recycled polypropylene (rPP) blends as a raw material for OEM. The blends with various rPP loadings were successfully prepared through a traditional twin-screw extruder. Proportions between TPV and rPP were adjusted to determine the optimal flow and mechanical properties for productions of different auto parts. The blends were tested for studying rheology and mechanical properties: tensile; hardness; flexural; and creep behavior. All tests resulted in discussions about the feasibility of using TPV/rPP blends with respect to auto part specifications in real applications. Test results suggested that the TPV/rPP blends meet the requirements of specific automotive applications. Thermal property and morphological analysis were also carried out to have more understanding about changes in mechanical properties.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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)0,0010,000

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 Opus0,007
Tête enseignante GPT0,189
Écart entre enseignants0,182 · 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 source (Gemma direct ou Codex distillé), 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

Citations5
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKey engineering materialsMême sujetTransport Systems and TechnologyTravaux en français237 207