MétaCan
Menu
Retour à la cohorte
Enregistrement W3115940166 · doi:10.1002/pen.25617

Rotational molding of compatibilized PA6/LLDPE blends

2020· article· en· W3115940166 sur OpenAlexaff
Rosa Gabriela López Gonzaleznúñez, Roberto Carlos Vázquez Fletes, Pedro Ortega‐Gudiño, Milton Vázquez‐Lepe, Denis Rodrigue, Rubén González‐Núñez

Notice bibliographique

RevuePolymer Engineering and Science · 2020
Typearticle
Langueen
DomaineMaterials Science
ThématiquePolymer Foaming and Composites
Établissements canadiensUniversité Laval
Organismes subventionnairesConsejo Nacional de Ciencia y Tecnología
Mots-clésMaterials scienceLinear low-density polyethyleneComposite materialPolyamideCompression moldingCompoundingMolding (decorative)MoldPlastics extrusionCompatibilizationPolyethyleneExtrusionHeat deflection temperaturePolymerPolymer blendIzod impact strength testCopolymerUltimate tensile strength

Résumé

récupéré en direct d'OpenAlex

Abstract In this work, rotational molding was used to produce parts based on a blend of linear low‐density polyethylene (LLDPE) and polyamide 6 (PA6). In particular, the concentration of PA6 (0, 10, 20, and 30% vol) with and without a compatibilizer (Surlyn 9020) was investigated via two methods: dry blending in a high‐shear mixer and melt compounding in a twin‐screw extruder followed by pulverization. To determine the efficiency of the rotomolding process, similar parts were produced via compression molding. For rotational molding, dry ice (solid CO 2 ) was used to create an inert atmosphere in the mold and the processing conditions were followed by the mold internal air temperature traces. From the samples produced, thermal, morphological, and mechanical properties were measured. The results showed that the rotomolded parts of the melt blended compounds generated smaller and better dispersed PA6 particles in the LLDPE matrix. This finer morphology led to improved mechanical properties, especially when the compatibilizer was present. But the latter was found to be more effective on the compression‐molded samples.

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 enseignants0,089
Score d'incertitude au seuil0,344

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 Opus0,013
Tête enseignante GPT0,220
Écart entre enseignants0,207 · 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

Citations11
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePolymer Engineering and ScienceMême sujetPolymer Foaming and CompositesTravaux en français237 207