MétaCan
Menu
Retour à la cohorte
Enregistrement W4230270048 · doi:10.1515/npprj-2018-3013

Indications of the onset of fiber cutting in low consistency refining using a refiner force sensor: The effect of pulp furnish

2018· article· en· W4230270048 sur OpenAlexaff
Reza Harirforoush, James A. Olson, Peter Wild

Notice bibliographique

RevueNordic Pulp & Paper Research Journal · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueMaterial Properties and Processing
Établissements canadiensUniversity of British ColumbiaUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésSoftwoodPulp (tooth)Pulp and paper industryMaterials scienceHardwoodComposite materialKraft paperKraft processFiberEngineeringDentistry

Résumé

récupéré en direct d'OpenAlex

Abstract Detection of the onset of fiber cutting is beneficial in low consistency refining as it may prevent reduction of average fiber length, optimize fiber quality improvements by operating at gaps just wider than the critical gap, avoid decreasing the strength properties of paper, and increase energy efficiency. The objective of this study is to understand the effect of pulp furnish on measured bar forces and, more specifically, on the detection of fiber cutting. Bar forces, i. e. forces applied to pulp fibers by the refiner bars, are measured with a custom-designed piezoelectric force sensor. Trials were conducted with an AIKAWA 16-in. single-disc refiner using hemlock/balsam softwood thermomechanical pulp, SPF softwood thermomechanical pulp, northern bleached softwood kraft pulp, and aspen hardwood thermomechanical pulp at 3.0 to 3.5 % consistency at rotational speeds of 1200 and 1400 rpm. The power of the time domain signal of the measured forces is introduced as an indicator of the onset of fiber cutting. Our results show that this new fiber cutting metric is a sensitive and reliable metric for determination of fibre cutting for a range of pulp furnishes. The study suggests that the refiner force sensor has potential to be exploited for in-process detection of fiber cutting.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,039
Tête enseignante GPT0,322
Écart entre enseignants0,283 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations7
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNordic Pulp & Paper Research JournalMême sujetMaterial Properties and ProcessingTravaux en français237 207