Manufacturing of bio‐based thermoplastic composites using industrial process for high‐volume applications
Notice bibliographique
Résumé
Abstract The use of high strength‐to‐weight ratio materials in automotive component is a solution to reduce fuel consumption and decrease greenhouse gases emissions. Fiber reinforced composite materials are believed to enable weight saving that cannot be achieved with metals while meeting component mechanical requirements. Moreover, the use of renewable bio‐based composites is seen as a key aspect to further address the reduction of greenhouse gases emission. However, composite manufacturing process must meet short cycle time, performance, and cost targeted by the transportation industry in order to be considered as replacement materials. This article investigates the use of an industrial compression—direct long fiber thermoplastic (D‐LFT) process line to manufacture cellulose reinforced bio‐based polyamide parts in order to increase the penetration of sustainable materials in the transportation sectors. Process evaluation and composite performance were first carried out on a simple 2D geometry. Then the use of 100% bio‐sourced materials with the high‐throughput D‐LFT process was validated with the manufacturing of an automotive composite seat pan demonstrator. Bio‐based composite parts were successfully manufactured. Tensile properties in the range of glass fiber reinforced polypropylene composites traditionally used with the D‐LFT process were measured, validating the potential of cellulose–biopolyamide composite materials for industrial applications.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 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 tête enseignante, 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 ».