Response surface methodology approach for optimized compressive strength of some mix design concrete aggregates from waste cockle shells and glass powder
Notice bibliographique
Résumé
Nowadays, with increased demand for aggregates for concrete and an awareness of the need of protecting natural resources, experts are becoming increasingly interested in waste material as a building material substitute. However, the compressive strength is influenced by the composition of concrete. In this study, the compressive strength of concrete under substitution using waste from cockle shells and glass was investigated using Response Surface Methodology (RSM). Central Composite Design (CCD) based on RSM was used to assess the influence of epoxy resin, cockle shells powder, and glass powder on compressive strength responses. RSM developed first-order and second-order mathematical models with findings from experimental design. Analysis of variance was used to determine the correctness of CCD's mathematical models. Desirability analysis was then employed to optimize epoxy resin, cockle shells powder, and glass powder yielding maximum compressive strength. The RSM analysis revealed that the empirical results fit well into linear and quadratic models of concrete compressive strength. The mixing components will produce cement with compressive strength in each formulation of 54.71 MPa (4.88% epoxy resin and 4.0% cockle shells powder), 47.82 MPa (6.85% epoxy resin and 8.0% glass powder), 147.0 MPa, (4% cockle shells powder and 8% glass powder), and 56.08 MPa (4.4% epoxy resin, 4.0% cockle shells powder, and 8.0% glass powder). The results confirmed that a reasonable compressive strength of concrete could be achieved using epoxy resin, cockle shells powder, and glass powder.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».