MétaCan
Menu
Retour à la cohorte
Enregistrement W3027703770 · doi:10.1520/mpc20190149

Threshold Concentration of Surfactant Agent in Feedstocks Used for Low-Pressure Powder Injection Molding

2020· article· en· W3027703770 sur OpenAlexaff
Ghalya Ali, Vincent Demers, Raphaël Côté, Nicole R. Demarquette

Notice bibliographique

RevueMaterials Performance and Characterization · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueInjection Molding Process and Properties
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesnon disponible
Mots-clésMaterials sciencePulmonary surfactantMolding (decorative)Composite materialChemical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract In this work, 32 different feedstocks formulated from four different stainless steel powders and two wax-based binder systems (paraffin wax and beeswax), for which the proportion of two different surfactant agents was varied from 0 to 5 vol.% (stearic acid and oleic acid), were obtained. The viscosity of the feedstocks according to the shear rate was measured using a rotational rheometer. The moldability of the mixtures was assessed using the injected length following real-scale injections. The results show that the influence of surfactant agents on viscosity depends on the main binder constituent used in the feedstock formulation. The moldability of paraffin wax–based feedstocks was significantly affected by the proportion of the surfactant agents, whereas that of beeswax-based feedstocks was not affected by the presence of stearic acid or oleic acid. It was confirmed that as little as 0.20 vol.% of stearic acid or oleic acid in paraffin wax–based feedstock is enough to produce the surfactant effect, leading to a significant increase in the moldability of feedstocks (e.g., fourfold longer injected length). This threshold concentration of surfactant agent in paraffin wax–based feedstocks was also established with different powder grades, shapes, and sizes. For feedstocks containing paraffin wax and surfactant agents, the presence of a discontinuity in the viscosity profiles was confirmed not to be an experimental artifact because the phenomenon was reproduced using three different measurement approaches.

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)0,001
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 seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
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 Opus0,015
Tête enseignante GPT0,203
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 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

Citations9
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMaterials Performance and CharacterizationMême sujetInjection Molding Process and PropertiesTravaux en français237 207