MétaCan
Menu
Retour à la cohorte
Enregistrement W2889452764 · doi:10.1080/17480272.2018.1513070

Gas permeability of fiberboard mats as a function of density and fiber size

2018· article· en· W2889452764 sur OpenAlexafffund
Pamela Rebolledo, Alain Cloutier, Martin-Claude Yemele

Notice bibliographique

RevueWood Material Science and Engineering · 2018
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNatural Fiber Reinforced Composites
Établissements canadiensMinistère des Forêts, de la Faune et des ParcsUniversité Laval
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaFPInnovationsUniversité Laval
Mots-clésMaterials scienceComposite materialPermeability (electromagnetism)FiberboardPorosityPressingMoistureFiberAir permeability specific surfaceChemistry

Résumé

récupéré en direct d'OpenAlex

Gas permeability and structure of fiberboard mats are essential properties because of their impact on mat internal gas pressure, moisture content and temperature evolution during the hot-pressing process. The objectives of this work were to determine the effect of fiber size and mat density on the intrinsic gas permeability of the mat. For the study of these mat properties, panels with a homogeneous density profile through the thickness were manufactured at five density levels (200, 400, 600, 800 and 1000 kg m−3) for three different fiber sizes. Fiber refining was performed in a disk refiner at three plate spacings. Gas permeability was measured with an in-house built apparatus. The results showed that the fiber sizes studied had no significant effect on the intrinsic permeability. This was likely due to a more significant impact of the internal porous structure of the mat compared to fiber size. Besides, the intrinsic permeability decreased significantly when the panel density increased from 198 to 810 kg m−3. This suggests that the decrease of the intrinsic gas permeability during the last seconds of press closure plays an essential role in the bulk moisture mass transfer through the fiberboard mat.

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)0,001
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 seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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)0,0010,000

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 Opus0,005
Tête enseignante GPT0,204
Écart entre enseignants0,199 · 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

Citations3
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWood Material Science and EngineeringMême sujetNatural Fiber Reinforced CompositesTravaux en français237 207