MétaCan
Menu
Retour à la cohorte
Enregistrement W2984532473 · doi:10.1515/npprj-2019-0076

Insight into fractionation performance of American old corrugated containers pulp in pressure screening

2019· article· en· W2984532473 sur OpenAlexaff
Hui Cai, Hui Zhang, Wenyuan Zhu, Guolin Tong, Zhaoyang Yuan

Notice bibliographique

RevueNordic Pulp & Paper Research Journal · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueMaterial Properties and Processing
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesMajor Science and Technology Program for Water Pollution Control and Treatment
Mots-clésAperture (computer memory)FractionationAnalytical Chemistry (journal)MathematicsMaterials sciencePulp (tooth)GeometryPhysicsOpticsCombinatoricsChemistryChromatographyAcoustics

Résumé

récupéré en direct d'OpenAlex

Abstract In this work, the American Old Corrugated Containers (OCC) pulp was screened using pressure screen to investigate the factors affecting the fractionation performance. Three screen cylinders with different geometries, aperture size/contour heights, volumetric reject ratios, and aperture velocities were used. The results showed that the passing ratio of fibres increased with the increase of contour height, volumetric reject ratio, and aperture velocity for all the three screen cylinders. Moreover, among the three cylinders investigated, the 0.81 mm hole cylinder achieved the highest fractionation efficiency with a volumetric reject ratio of 0.1 followed by 0.15 and 0.2 mm slot screens. Freeness change of the accept side of the screen was similar to passage ratio, which shows an increasing trend with the increasing aperture velocity and volumetric reject ratio. However, the reject freeness showed decreasing trends with the increasing aperture velocity V s {V_{s}} and volumetric reject ratio R v {R_{v}} .

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)0,001
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 enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
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 Opus0,023
Tête enseignante GPT0,290
Écart entre enseignants0,267 · 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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNordic Pulp & Paper Research JournalMême sujetMaterial Properties and ProcessingTravaux en français237 207