MétaCan
Menu
Retour à la cohorte
Enregistrement W4200182222 · doi:10.1002/9783527831562.ch11

Thermal Properties of Hemp Fiber‐Based Hybrid Composites

2021· other· en· W4200182222 sur OpenAlexaff
Hom Nath Dhakal, Mohini Sain

Notice bibliographique

Revuenon disponible
Typeother
Langueen
DomaineMaterials Science
ThématiqueNatural Fiber Reinforced Composites
Établissements canadiensUniversity of TorontoUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésKenafComposite materialMaterials scienceSISALNatural fiberThermal stabilityComposite numberCompatibility (geochemistry)FiberThermalEngineering

Résumé

récupéré en direct d'OpenAlex

Thermal properties play important roles in determining the materials ability to perform in high-temperature exposure and harsh service conditions. Hemp fiber is one of the most commonly used natural fiber reinforcements in composite materials. This is due to the fact that hemp fiber is renewable and natural and offers high stiffness and strength in comparison with other natural fibers such as jute, kenaf, sisal, etc. Despite many attractive attributes, hemp fiber also suffers from disadvantages such as high moisture absorption, poor compatibility with hydrophobic polymers, lower thermal stability limits, high-temperature processing requirements, and their use in harsh serve conditions. Natural fibers such as hemp generally start degradation at around 230–240 °C. To reduce some of the drawbacks and enhance the thermal stability of hemp fiber-reinforced composites, different chemical treatments and surface modification methodologies have been employed. Among these improvement techniques, a hybrid approach has recently attracted much attention. Existing literature suggests that the adaptation of various improvement initiatives has resulted in improved performances of hemp fiber-reinforced composites. This chapter investigates and presents the benefits of various techniques including a hybrid approach in terms of improving thermal stability of these composites.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,053
Score d'incertitude au seuil0,985

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0500,000

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 Opus0,017
Tête enseignante GPT0,225
Écart entre enseignants0,208 · 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 tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetNatural Fiber Reinforced CompositesTravaux en français237 207