MétaCan
Menu
Retour à la cohorte
Enregistrement W2899123394 · doi:10.6000/1929-5995.2018.07.03.1

Mill Scales Blended Polymer Composites For Electrical Insulation Application

2018· article· en· W2899123394 sur OpenAlexvenueno aff
Jayasmita Beura, Susanta Kumar Biswal, Saurabh Kundu, Tapan Kumar Rout

Notice bibliographique

RevueJournal of Research Updates in Polymer Science · 2018
Typearticle
Langueen
DomaineMaterials Science
ThématiqueHigh voltage insulation and dielectric phenomena
Établissements canadiensnon disponible
Organismes subventionnairesInstitute of Minerals and Materials TechnologyTata Steel
Mots-clésMaterials scienceComposite materialFourier transform infrared spectroscopyScanning electron microscopePolymerComposite numberChemical engineering

Résumé

récupéré en direct d'OpenAlex

Standalone composite films were prepared using modified polyester as a binder and waste iron oxides (mill scales) collected from a steel plant as inorganic filler. The morphology, structure, composition, strength and electrical insulation properties of polymer-iron composites were studied using various analytical techniques such as X-ray diffraction (XRD), Scanning electron microscope (SEM), Atomic force microscopy (AFM), optical microscopy, Fourier transform infrared (FTIR) spectroscopy, X-ray fluorescence (XRF), Brunauer–Emmett–Teller (BET) test, particle size analysis and electrical insulation test. The mill scales collected from the hot strip rolling mill (HSM) have found to comprise three different phases such as wustite, magnetite and hematite. Composites prepared using mill scales were showing three times higher strength compared to the mother polymer film. Electrical insulation of these composites were found to increase in the range of 55-230 MV/mm with increasing iron oxide content from 0.0125 g to 0.25 g in 2.5 g polymer. These results show a potential research field on the mill scales based composites for various advanced applications in improving insulation behaviour of materials which can withstand at higher temperatures and electrical stresses.

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)0,005
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,013
Score d'incertitude au seuil0,483

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,030
Tête enseignante GPT0,376
Écart entre enseignants0,346 · 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Research Updates in Polymer ScienceMême sujetHigh voltage insulation and dielectric phenomenaTravaux en français237 207