MétaCan
Menu
Retour à la cohorte
Enregistrement W39337767 · doi:10.3390/mi15091105

Effect of cutting width and cutting height on the surface quality of black spruce cants produced by a chipper-canter.

2010· article· en· W39337767 sur OpenAlexafffund
Roger E. Hernández, Svetka Kuljich, Ahmed Koubaa

Notice bibliographique

RevueWood and Fiber Science · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueForest Biomass Utilization and Management
Établissements canadiensUniversité Laval
Organismes subventionnairesFPInnovationsFonds Québécois de la Recherche sur la Nature et les TechnologiesNational Natural Science Foundation of China
Mots-clésWavinessSurface roughnessQuality (philosophy)Materials scienceComposite materialEnvironmental sciencePhysics

Résumé

récupéré en direct d'OpenAlex

The effects of the cutting height and cutting width on the surface quality of black spruce cants produced by a chipper-canter were evaluated. Three diameter classes (102, 152, and 203 mm dia as measured at the small end of the log) were studied, each processed using two cutting widths (12.5 and 25 mm). The rotation and feed speeds, kept constant at 783 rpm and 197 m/min, respectively, yielded a nominal feed per knife (chip length) of 31.5 mm. Twelve logs for each cutting condition were processed under frozen and unfrozen wood temperatures (winter and summer). The surface quality was analyzed using roughness and waviness standard parameters. Torn grain was evaluated by means of its maximum depth. The results showed that surface quality was affected by cutting height, cutting width, and temperature of logs. In general, surface quality was better when processing unfrozen logs at lower cutting width and height. Surface quality also varied within the cant, being generally better at the small end of the log and at the upper part of the cant. The results give useful information to improve the performance of the chipper-canter in terms of surface quality.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,007
Tête enseignante GPT0,242
Écart entre enseignants0,234 · 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 source (Gemma direct ou Codex distillé), 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

Citations10
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWood and Fiber ScienceMême sujetForest Biomass Utilization and ManagementTravaux en français237 207