MétaCan
Menu
Retour à la cohorte
Enregistrement W3107695869 · doi:10.22215/etd/2018-12982

Shear Stability of Vegetable Oil-Based Lubricants with Ethyl Cellulose Viscosity Index Improver

2018· dissertation· en· W3107695869 sur OpenAlexaff
Niall McCallum

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineEngineering
ThématiqueLubricants and Their Additives
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésViscosity indexEthyl celluloseShearing (physics)ViscosityMaterials scienceComposite materialReduced viscosityRelative viscosityIntrinsic viscosityShear (geology)PolymerCelluloseChemistryOrganic chemistryBase oilScanning electron microscope

Résumé

récupéré en direct d'OpenAlex

A diesel fuel injector apparatus conforming to ASTM 6278 was used to examine the effects of mechanical shear on two vegetable oil-base lubricants, each blended with a different molecular weight ethyl cellulose polymer to improve its viscosity-temperature behaviour. Kinematic viscosity measurements conforming to ASTM D445 were used to determine the magnitude of viscosity loss after mechanical shearing. The lower molecular weight E45 sample was determined to have a permanent viscosity loss of 0.73% and a shear stability index of 1.56, whereas the higher molecular weight EC100 sample was determined to have a permanent viscosity loss of 3.57% and a shear stability index of 6.51. Results were comparable to traditional PMMA polymer additives of similar molecular weight which are commonly used in petroleum-based lubricants, indicating that the ethyl cellulose polymers may function well as VIIs even after mechanical shear degradation. Kinematic viscosity measurements of increasingly dilute solutions of prepared lubricants were used to determine the changes in the intrinsic viscosity of solution as an indicator of the decrease in polymer molecular weight after shearing.

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 candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,481
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,007
Tête enseignante GPT0,206
Écart entre enseignants0,199 · 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.

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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetLubricants and Their AdditivesTravaux en français237 207