MétaCan
Menu
Retour à la cohorte
Enregistrement W3130942412 · doi:10.15376/biores.16.2.2774-2788

Printability and properties of 3D-printed poplar fiber/polylactic acid biocomposite

2021· article· en· W3130942412 sur OpenAlexaff
Zhaozhe Yang, Xinhao Feng, Min Xu, Denis Rodrigue

Notice bibliographique

RevueBioResources · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing and 3D Printing Technologies
Établissements canadiensUniversité Laval
Organismes subventionnairesNatural Science Foundation of Jiangsu ProvinceChina Scholarship CouncilGovernment of Jiangsu ProvinceNanjing Forestry University
Mots-clésBiocompositePolylactic acidMaterials scienceComposite materialFiberPolymerComposite number

Résumé

récupéré en direct d'OpenAlex

To efficiently and economically utilize a wood-plastic biocomposite, an eco-friendly biocomposite was prepared using modified poplar fiber and polylactic acid (PLA) via 3D printing technology for the first time. First, the effects of poplar fiber (0, 1, 3, 5, 7, and 9%) on the mechanical and rheological properties of the printed biocomposites were investigated. Subsequently, the printing parameters, including printing temperature, speed, and layer thickness, were optimized to obtain the biocomposite with superior properties. Finally, four printing orientations were applied to the biocomposite based on the optimized printing parameters to study the effect of filament orientation on the properties of the biocomposite. Favorable printability and mechanical properties of the biocomposite were obtained at 5% poplar fiber. The optimal printing temperature of 220 °C, speed of 40 mm/s, and layer thickness of 0.2 mm were obtained to produce the desired mechanical properties of the biocomposite with the printing orientation in a longitudinal stripe. However, the printing parameters should be chosen according to the applications, where different physical and mechanical properties are needed to achieve efficient and economical utilization of the biocomposites.

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 enseignants0,108
Score d'incertitude au seuil0,471

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 Opus0,014
Tête enseignante GPT0,196
Écart entre enseignants0,182 · 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

Citations29
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBioResourcesMême sujetAdditive Manufacturing and 3D Printing TechnologiesTravaux en français237 207