MétaCan
Menu
Retour à la cohorte
Enregistrement W4224290446 · doi:10.1002/app.52462

Cellulose and lignin as carbon black replacement in natural rubber

2022· article· en· W4224290446 sur OpenAlexafffund
Hossein Kazemi, Maxime Parot, Tatjana Stevanović, Frej Mighri, Denis Rodrigue

Notice bibliographique

RevueJournal of Applied Polymer Science · 2022
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNatural Fiber Reinforced Composites
Établissements canadiensUniversité Laval
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésOrganosolvLigninCelluloseUltimate tensile strengthMaterials scienceSawdustCellulosic ethanolCarbon blackBlack spruceNatural rubberComposite materialBlack liquorPulp and paper industryChemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Lignocellulosic fillers have gained attention as biofillers due to their low cost, availability, and eco‐friendly nature. Various lignocellulosic fillers from different sources having different chemical compositions have been used in natural rubber (NR) without sufficient comparison. So the objective of this study is to investigate the effect of two well defined industrial fillers (lignin and cellulose) along with black spruce cellulosic pulps obtained from an organosolv process on the properties of NR. To this end, a range (0/100–100/0) of lignin/cellulose (L/C) ratios is prepared. The biobased materials are chemically extracted from black spruce sawdust to partially replace carbon black (CB) in NR composites. The results show that higher L/C ratios provide higher tensile strength and elongation break, while lower ratios produce higher tensile modulus and hardness. These results indicate that a balance between different mechanical properties can be achieved by controlling the L/C ratio. A discussion on the total replacement of CB by lignin or cellulose is also presented to produce a more biobased compound.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,007
Score d'incertitude au seuil0,478

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,005
Tête enseignante GPT0,228
Écart entre enseignants0,222 · 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.

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

Citations28
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Applied Polymer ScienceMême sujetNatural Fiber Reinforced CompositesTravaux en français237 207