Scientometric analysis and critical review of fused deposition modeling in the plastic recycling context
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Plastics have emerged as one of the essential materials present on the planet. However, its accumulation can negatively impact the environment if not disposed of properly. To counter this issue, the ‘Circular Economy’ is one such economic growth model with one of the objectives of using plastic resources efficiently. Several plastic recycling methodologies have been derived, out of which Distributed Recycling via Additive Manufacturing (DRAM) is one of them. The main objective of this study aims to form an optimal link between two different areas of knowledge domains: plastic recycling and additive manufacturing. A scientometric analysis has been conducted to measure the former knowledge domains mentioned to accomplish this goal. From the results, the Scopus database yields 1452 relevant publications between 2013 and 2021. The results suggest that Fused Deposition Modeling (FDM) is the most used AM technology on recycled plastics. Hence, the review targets the FDM process in the context of plastic recycling. A critical review has been done, which shows the material characterization of recycled polymers in AM. This is followed by an in-depth analysis of the FDM technology, including discussions on influencing parameters of this process. The following results present the multi-material mixing of plastics and Direct FDM systems and their relevance in plastic recycling. These two areas create opportunities to increase the variety of feedstock materials that can be 3D printed. Lastly, the authors have proposed some future directions based on the literature review done in this work.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 découle