MétaCan
Menu
Retour à la cohorte
Enregistrement W4284899575 · doi:10.18280/acsm.460306

Valorisation of Industrial Soda-Lime Glass Waste and Its Effect on the Rheological Behavior, Physical-Mechanical and Structural Properties of Sanitary Ceramic Vitreous Bodies

2022· article· en· W4284899575 sur OpenAlexvenueno aff
Khaled Boulaiche, K. Boudeghdegh, Sofiane Haddad, A. Roula, Hichem Alioui

Notice bibliographique

RevueAnnales de Chimie Science des Matériaux · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueRecycling and utilization of industrial and municipal waste in materials production
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceRheologyMulliteAbsorption of waterAnorthiteFlexural strengthThixotropyLimeGlass recyclingComposite materialQuartzCeramicMineralogyMetallurgyChemistry

Résumé

récupéré en direct d'OpenAlex

In this study, the effect of substitution of feldspar by soda-lime glass waste (SLGW), on rheological behavior, thermal, physical-mechanical and structural properties of sanitary-ware vitreous china (VC) bodies, has been evaluated. The findings show a positive effect on the rheological behavior of the slip, to viscosity, thixotropy, density and casting process. Indeed, during the firing stage at 1230°C, the use of 20 wt. % of SLGW in the composition of VC bodies, improved Bulk density (2 to 2.52 g/cm3), reduced water absorption (0.35 to 0.02%), and increased flexural strength (33 to 51 MPa). The fired samples were characterized using X-ray diffraction, SEM and FTIR analysis; results indicate that Mullite and Quartz are the major phases, with a little presence of anorthite phase formed by SLGW additions. From TGA/DTG analysis, it was found that the use of SLGW (15 wt. %) reduces mass loss of VC bodies (8.83 to 8.53%). These positive results open new horizons for using this waste, as a sound environmental, technological and economic solution.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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 recherche0,0000,000
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 Opus0,068
Tête enseignante GPT0,259
Écart entre enseignants0,191 · 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'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

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnales de Chimie Science des MatériauxMême sujetRecycling and utilization of industrial and municipal waste in materials productionTravaux en français237 207