MétaCan
Menu
Retour à la cohorte
Enregistrement W2923209478 · doi:10.15376/biores.14.2.3278-3288

Improvement of wood densification process via enhancing steam diffusion, distribution, and evaporation

2019· article· en· W2923209478 sur OpenAlexaff
Alain Cloutier, Z-Hui Jiang, Jiazhong He, Benhua Fei

Notice bibliographique

RevueBioResources · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueWood Treatment and Properties
Établissements canadiensUniversité Laval
Organismes subventionnairesInternational Centre for Bamboo and Rattan
Mots-clésMaterials scienceCarbonizationComposite materialBlistersEvaporationDiffusionMoistureScanning electron microscope

Résumé

récupéré en direct d'OpenAlex

Mechanical densification treatments make it possible to increase the density of low- or moderate-density woods, and thus a high mechanical strength of densified wood and high-value products can be obtained. The authors’ previous treatments showed that the diffusion and distribution of steam and the release of vapor inside densified wood were prevented to some extent during thermo-hydro-mechanical (THM) densification, causing the occurrence of protrusions, carbonization, blisters, and blows. This study aimed to overcome these problems. Based on the authors’ previous THM densification, different materials, such as fabric, metal mesh, metal foam, and sintered metal mesh laminate (SMML), were used to improve the process. Densification was tested on different wood species. The results showed that SMML was the preferable material for THM densification through enhancing diffusion and distribution of steam, and evaporation of moisture inside wood. No protrusion, carbonization, blisters, or blows were found after densification with SMMLs. The densified wood specimens showed uniform color and a neat surface.

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 enseignants0,029
Score d'incertitude au seuil0,267

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 Opus0,004
Tête enseignante GPT0,180
Écart entre enseignants0,176 · 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

Citations24
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBioResourcesMême sujetWood Treatment and PropertiesTravaux en français237 207