MétaCan
Menu
Retour à la cohorte
Enregistrement W2984917660 · doi:10.3390/f10110982

Functionalized Surface Layer on Poplar Wood Fabricated by Fire Retardant and Thermal Densification. Part 2: Dynamic Wettability and Bonding Strength

2019· article· en· W2984917660 sur OpenAlexaff
Demiao Chu, Jun Mu, Stavros Avramidis, Sohrab Rahimi, Shengquan Liu, Zongyuan Lai

Notice bibliographique

RevueForests · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueWood Treatment and Properties
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesFundamental Research Funds for the Central Universities
Mots-clésMaterials scienceWettingComposite materialContact angleFire retardantSessile drop techniqueSurface roughnessSurface energyBond strengthVolume (thermodynamics)Bonding strengthSurface finishAbrasion (mechanical)Drop (telecommunication)Layer (electronics)Adhesive

Résumé

récupéré en direct d'OpenAlex

In continuation of our former study on a novel combined treatment of nitrogen–phosphorus fire retardant and thermomechanical densification on wood, this study focuses on the dynamic wettability and the bonding strength. The contact angle was measured using the sessile drop method and the surface energy was calculated according to the van Oss method. Water surface penetrating and spreading is analyzed by both the Shi and Gardner model and the droplet volume changing model. The results reveal that the combined treatment increased the surface energy, especially the acid–base component. The contact angle declined and the water droplet spread more easily on the surface. Meanwhile, the rate of relative droplet volume decreased by 32.6% because the surface layer was densified and stabilized by the combined process. Additionally, the surface possesses the lowest roughness and highest abrasion resistance on the tangential section. Thus, the bonding strength of the combined treated poplar decreased by 29.7% compared to that of untreated poplar; however, it is still 53.3% higher than that of 220 °C heat-treated wood.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,125
Score d'incertitude au seuil0,439

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 Opus0,009
Tête enseignante GPT0,196
Écart entre enseignants0,187 · 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'étudeObservationnel
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

Citations18
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueForestsMême sujetWood Treatment and PropertiesTravaux en français237 207