MétaCan
Menu
Retour à la cohorte
Enregistrement W2899213852 · doi:10.2174/2452271602666181029125739

Polyurethane Foams Reinforced with Biobased Materials: Properties and Applications

2018· article· en· W2899213852 sur OpenAlexaff
G. Sharifishourabi, Nguyen Tien-Binh, Denis Rodrigue

Notice bibliographique

RevueCurrent Applied Polymer Science · 2018
Typearticle
Langueen
DomaineMaterials Science
ThématiquePolymer composites and self-healing
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésPolyurethaneMaterials scienceBlowing agentPolyolComposite materialFiller (materials)Composite numberAutomotive industryPolymerPolymer scienceEngineering

Résumé

récupéré en direct d'OpenAlex

Background: Today, polyurethane foams can be found in various commercial products such as bedding, home furniture, automotive interiors and even construction materials. From a chemical point of view, polyurethane foams are made from a chemical reaction between a polyol (molecules with more than one hydroxyl group) and a diisocyanate in the presence of a blowing agent. Objective: Because of their highly stable bonds, polyurethane foams are considered as nondegradable leading to some environmental impact. To address this concern different bio-based fillers have been used to create "greener" polyurethane materials. This review presents an overview of different bio-based fillers and containing natural polyols for polyurethane foams formulation with respect to their natural properties, sizes, geometries and contents. Method: A wide range of bio-based fillers derived from wood and non-wood sources are summarized based on their physico-mechanical properties. Then, possible applications are presented and future trends are discussed for the research and development of these complex (multiphase systems) materials (polymer composite foams). Conclusion: Beside traditional polyurethane foams applications including automotive, building, home furniture and package, bio-based filler addition could bring new feature and widen their applications such as shape memory and medication, as well as oil absorbent.

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 enseignants0,016
Score d'incertitude au seuil0,885

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,002
Communication savante0,0000,000
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 Opus0,026
Tête enseignante GPT0,253
Écart entre enseignants0,226 · 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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Applied Polymer ScienceMême sujetPolymer composites and self-healingTravaux en français237 207