MétaCan
Menu
Retour à la cohorte
Enregistrement W3030375467 · doi:10.15376/biores.15.2.3774-3786

Chemical characteristics of thermo-hydrolytically recycled particles

2020· article· en· W3030375467 sur OpenAlexaff
Qilan Fu, Xiang‐Ming Wang, Alain Cloutier, Fabrice Roussière

Notice bibliographique

RevueBioResources · 2020
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNatural Fiber Reinforced Composites
Établissements canadiensUniversité LavalFPInnovations
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceHydrolysisUrea-formaldehydeDecompositionBuffer (optical fiber)FormaldehydeThermal decompositionChemical engineeringBase (topology)PolymerComposite materialNuclear chemistryChemistryOrganic chemistryAdhesive

Résumé

récupéré en direct d'OpenAlex

Particles from waste laminated particleboards were recovered using various thermo-hydrolytic treatments. The size distribution and three main chemical properties, such as pH, buffer capacity, and nitrogen content of the control and resulting particles were determined. The effects of treatment temperature and duration on the chemical properties of recycled particles were investigated. The effects of the resulting particles on the gel time of urea-formaldehyde (UF) resin were also measured. The test results suggested that the pH of particles after hot water soaking pre-treatment and the different thermo-hydrolytic treatments increased to different extents, with the exception of the particles treated at 140 °C for 50 min and 160 °C for 20 min. The acid buffer capacity and base buffer capacity of particles treated at 140 °C for 50 min and 160 °C for 20 min had no statistical difference, but they were much higher than those of other types of treated particles. A high treatment temperature facilitated the decomposition of wood polymers and UF resin. Both temperature and treatment duration had significant effects on pH, acid buffer capacity, and base buffer capacity of wood particles. Wood particles recycled at a high temperature had a negative effect on the gel time of UF resin.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,371

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 Opus0,016
Tête enseignante GPT0,220
Écart entre enseignants0,205 · 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'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

Citations8
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBioResourcesMême sujetNatural Fiber Reinforced CompositesTravaux en français237 207