Bio-Based Composites from Industrial By-products and Wastes as Raw Materials
Notice bibliographique
Résumé
Innovative bio-based composites combining humins as biorefinery by-product with keratin or lignin as wastes or industrial side-products were developed. The bio-composites were prepared using three types of matrix formulations allowing the synthesis of elastic to rigid thermosets. These matrices were combined with chicken feathers powder, non-woven chicken feathers mat or lignin to produce bio-composites. A maximum quantity of bio-fillers was used, around 10 wt.%. The effect of the bio-fillers on the matrix’s crosslinking was studied by rheology and DSC. Then, the obtained materials were analyzed by TGA, DMA, tensile tests, water absorption and SEM. The results show a very good compatibility of the humins matrix with the bio-fillers, without any preliminary modification of the matrix, that is exceptional for the point of view of a composite. The overall performances of the neat matrix were maintained or improved through the composites. Therefore, bio-composites with potentially interesting thermal and mechanical properties have been synthesized. In the case of the elastic ductile matrix the Young’s modulus value was improved from 1 to 22 MPa, while for the rigid matrix the increase was from 106 to 443 or 667 MPa, in the case of composites with non-woven chicken feathers mat or lignin. To our knowledge this is the first study combining humins matrix with keratin. The obtained bio-composites are sustainable materials linked via the used raw materials to the circular economy and biomass valorization.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».