MétaCan
Menu
Retour à la cohorte
Enregistrement W2803281890 · doi:10.1063/1.5029380

Melt fracture of linear low-density polyethylenes: Die geometry and molecular weight characteristics

2018· article· en· W2803281890 sur OpenAlexaff
Marzieh Ebrahimi, Tanja Tomković, Guochang Liu, Antonios A. Doufas, Savvas G. Hatzikiriakos

Notice bibliographique

RevuePhysics of Fluids · 2018
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueRheology and Fluid Dynamics Studies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésDie swellRheometryNewtonian fluidCapillary actionShear ratePolymerShear flowDie (integrated circuit)Composite materialLinear low-density polyethyleneRheologyMaterials scienceShear (geology)MechanicsPhysicsExtrusionNanotechnology

Résumé

récupéré en direct d'OpenAlex

The melt fracture phenomena of three linear low-density polyethylenes are investigated as a function of die geometry (capillary, slit, and annular) and molecular weight and its distribution. The onset of melt fracture instabilities is determined by using capillary rheometry, mainly studying the extrudate appearance using optical microscopy. It is found that the onset of flow instabilities (melt fracture phenomena) is significantly affected by die geometry and molecular weight characteristics of the polymers. Use of annular die eliminates the stick-slip transition (oscillating melt fracture) and delays the onset of sharkskin to higher values of shear rate and shear stress. Moreover, it is shown that the molecular weight characteristics of the polymers are well correlated with critical conditions for the onset of flow instabilities based on a criterion proposed in the literature [A. Allal et al., “Relationships between molecular structure and sharkskin defect for linear polymers,” J. Non-Newtonian Fluid Mech. 134, 127–135 (2006) and A. Allal and B. Vergnes, “Molecular design to eliminate sharkskin defect for linear polymers,” J. Non-Newtonian Fluid Mech. 146, 45–50 (2007)].

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 enseignants0,150
Score d'incertitude au seuil0,652

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 Opus0,005
Tête enseignante GPT0,221
Écart entre enseignants0,216 · 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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysics of FluidsMême sujetRheology and Fluid Dynamics StudiesTravaux en français237 207