3D-Printed Thermoset Biocomposites Based on Forest Residues by Delayed Extrusion of Cold Masterbatch (DECMA)
Notice bibliographique
Résumé
High Resolution Image Download MS PowerPoint Slide We developed a 3D-printing process based on thermoset biocomposites termed Delayed Extrusion of Cold Masterbatch (DECMA). DECMA is a processing method, based on controlling the degree of curing, that takes some responsibility of the 3D printing from materials and as such can be used to 3D print otherwise unprintable materials. First, a masterbatch was produced by mixing a bio-based resin (bioepoxy) and sawdust and lignin. This paste was partially cured at room temperature until reaching an apparent viscosity suitable for extrusion (≈10 5 mPa·s at 1 s –1 ). The system was next cooled (5–10 °C) to delay subsequent hardening prior to 3D printing. The printability of the biocomposite paste was systematically investigated and the merits of the delayed extrusion, via DECMA, were assessed. It was found that DECMA allowed the revalorization of sawdust and lignin via 3D printing, as direct printing led to failed prints. Our approach afforded cost-effective, shear-thinning dopes with a high bio-based content (58–71%). The bio-based 3D-printed materials demonstrated good machinability by computer numerical control (CNC). Overall, the benefits of the introduced DECMA method are shown for processing bio-based materials and for on-demand solidification during additive manufacturing.
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 | 0,000 | 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) | 0,004 | 0,001 |
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 ».