Sliding-friction wear of a seashell particulate reinforced polymer matrix composite: modeling and optimization through RSM and Grey Wolf optimizer
Notice bibliographique
Résumé
In this work we investigated the friction wear of a thermoplastic polymer (nylon-6) reinforced with particles of seashell. Seashells are made of calcium carbonate in the mineral form of calcite or aragonite, which makes them one of the most robust materials known. A twin-screw extruder was used to blend the seashell particles (SPs) and nylon-6, and an injection molding machine was used to fabricate the composite. Various proportions of SPs (12%, 15%, and 18%, by weight) were added to the nylon-6. We studied the wear of the polymer composites as per the standard ASTM G99, focusing on the loss of material due to wear, the friction coefficient, and the interface temperature. We used a response surface methodology (RSM) based Box–Behnken method (BBD) for our experimental design, and multiobjective analyses were performed incorporating desirability analysis. Our results show the following: the interface temperature was highly influenced by rotational speed (41.61%); the reinforcement with SPs (%) significantly (35.71%) affected the loss of material due to wear; and, the coefficient of friction (CoF) was significantly affected by rotational speed (41.48%) and reinforcement with SPs (18.18% w/w). A novel metaheuristic algorithm (Grey Wolf Optimizer) was used to constrain our optimizations, and the results showed that with CoF = 0.3 and an interface temperature of 25 °C as constraints, the loss due to wear was 35.77 μm for 15.09% w/w reinforcement with SPs, but at CoF = 0.3 and an interface temperature of 30 °C, the loss due to wear was 28.99 μm for 18% w/w reinforcement with SP.
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 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».