MétaCan
Menu
Retour à la cohorte
Enregistrement W3022154068 · doi:10.1155/2020/4090747

Towards Analysis and Optimization of Electrospun PVP (Polyvinylpyrrolidone) Nanofibers

2020· article· en· W3022154068 sur OpenAlexafffund
Utkarsh, Hussien Hegab, Muhammad Rizwan Tariq, Nabeel Ahmed Syed, Ghaus Rizvi, Remon Pop‐Iliev

Notice bibliographique

RevueAdvances in Polymer Technology · 2020
Typearticle
Langueen
DomaineMaterials Science
ThématiqueElectrospun Nanofibers in Biomedical Applications
Établissements canadiensOntario Tech University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésElectrospinningPolyvinylpyrrolidoneMaterials scienceNanofiberTaguchi methodsResponse surface methodologyPolymerComposite materialFiberPolymer chemistryComputer scienceMachine learning

Résumé

récupéré en direct d'OpenAlex

In this study, the polymeric nanofibers of polyvinylpyrrolidone (PVP) were manufactured using the electrospinning technique. The electrospinning process parameters such as voltage, polymer concentration, rotational speed of the collecting drum, collecting distance, and flow rate were optimized to obtain the minimum fiber diameter for sound absorption applications. The effects of these parameters on the fiber diameter as output responses were investigated by analysis of variance (ANOVA) and Taguchi’s array design. Furthermore, a mathematical model was generated using response surface methodology (RSM) to model the electrospinning process. The high voltage and polymer concentration were observed to be the most significant parameters at 95% and 99% confidence level. The average model accuracy of 83.4% was observed for the predictive model of electrospinning which is considered acceptable as it is composed of complete experimental trials of 27 out of 243 runs. The experimental study offers a promising attempt in the open literature to carefully understand the effect of various electrospinning parameters when producing PVP nanofibers.

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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 GPT0,244
Écart entre enseignants0,240 · 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

Citations46
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAdvances in Polymer TechnologyMême sujetElectrospun Nanofibers in Biomedical ApplicationsTravaux en français237 207