Optimization of the Electrospun Niobium–Tungsten Oxide Nanofibers Diameter Using Response Surface Methodology
Notice bibliographique
Résumé
The present research aimed to investigate the effect of working parameters on the electrospinning of niobium–tungsten oxide nanofibers and optimize the process using central composite design (CCD) based on the response surface methodology (RSM). An experiment was designed to assess the effects of five variables including the applied voltage (V), spinning distance (D), polymer concentration (P), flow rate (F), and addition of NaCl (N) on the resulting diameter of the nanofibers. Meanwhile, a second-order prediction model of nanofibers diameter was fitted and verified using analysis of variance (ANOVA). The results show that the diameter of the nanofibers was significantly influenced by all the variables except the flow rate. Some second-order and cross factor interactions such as VD, DP, PF, PN, and P2 also have significant effects on the diameter of the nanofibers. The results of the ANOVA yielded R2 and adjusted R2 values of 0.96 and 0.93 respectively, this affirmed that the predictive model fitted well with the experimental data. Furthermore, the process parameters were optimized using the CCD method and a maximum desirability function of 226 nm was achieved for the diameter of the nanofibers. This is very close to the 233 nm diameter obtained from a confirmatory experiment using the optimum conditions. Therefore, the model is representative of the process, and it could be used for future studies for the reduction of the diameter of electrospun nanofibers.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».