MétaCan
Menu
Retour à la cohorte
Enregistrement W2990088022 · doi:10.1177/0021998319888734

Influence of pyrolytic thermal history on olive pruning biochar and related epoxy composites mechanical properties

2019· article· en· W2990088022 sur OpenAlexaff
Mattia Bartoli, Muhammad Abid Nasir, Pravin Jagdale, Elisa Passaglia, Roberto Spiniello, Carlo Rosso, Mauro Giorcelli, Massimo Rovere, Alberto Tagliaferro

Notice bibliographique

RevueJournal of Composite Materials · 2019
Typearticle
Langueen
DomaineMaterials Science
ThématiqueFlame retardant materials and properties
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésBiocharPyrolytic carbonMaterials scienceEpoxyPyrolysisComposite materialPruningThermosetting polymerFiller (materials)Carbon fibersIncinerationPulp and paper industryComposite numberWaste managementBotany

Résumé

récupéré en direct d'OpenAlex

Olive pruning is waste from olive cultivation and is generally disposed of through incineration. Olive pruning can, however, be salvaged by pyrolysis, which also produces an interesting carbon-based material known as biochar. Biochar has been proved as a suitable filler which improves the mechanical properties of epoxy composites. Despite this, literature has few studied focused on the relationship between biochar thermal history and the properties it induces in related biochar containing composites. In this work, we report a morphological analysis of biochar produced at different pyrolytic high treatment temperatures (400℃, 600℃, 800℃, and 1000℃) using different heating rates (5℃/min, 15℃/min, and 50℃/min). We investigate the effect of different biochar morphology on the biochar epoxy-related composites, proving the tuneability of the mechanical properties of composites according to the thermal history of the biochar employed.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,012
Tête enseignante GPT0,197
Écart entre enseignants0,184 · 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

Citations47
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Composite MaterialsMême sujetFlame retardant materials and propertiesTravaux en français237 207