MétaCan
Menu
Retour à la cohorte
Enregistrement W4285017984 · doi:10.1515/ipp-2022-0004

Effect of mixing conditions and polymer particle size on the properties of polypropylene/graphite nanoplatelets micromoldings

2022· article· en· W4285017984 sur OpenAlexaff
Renze Jiang, Piyush Lashkari, Shengtai Zhou, Andrew N. Hrymak

Notice bibliographique

RevueInternational Polymer Processing · 2022
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCarbon Nanotubes in Composites
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésMaterials sciencePolypropyleneComposite materialGraphiteMixing (physics)Filler (materials)Percolation thresholdPelletsPelletSonicationPolymerMelt flow indexParticle (ecology)Percolation (cognitive psychology)Particle sizeElectrical resistivity and conductivityChemical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract In this study, properties of polypropylene/graphite nanoplatelets (PP/GNP) composites and corresponding micromoldings were systematically studied in terms of filler loading concentrations and mixing methods. PP of different forms, i.e., PP pellets and powders, were adopted to fabricate PP/GNP composites. Additionally, a comparative study of precoating GNP and PP powders using solvent-based solution blending and ultrasonication-assisted mixing was performed. Results showed that PP/GNP composites prepared using powder form PP resulted in at least one order of magnitude higher electrical conductivity than using pellet form PP and further reduced the percolation threshold from 12.5 to 10 wt%, which was related to the state of filler distribution within corresponding moldings. Morphology observations revealed that microparts prepared with powder-PP/GNP composites exhibited less preferential alignment of GNP particles along the flow direction when compared with those molded using pellet-PP/GNP counterparts, which was helpful in improving the overall electrical conductivity for PP/GNP micromoldings.

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)0,000
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 enseignants0,004
Score d'incertitude au seuil0,386

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,009
Tête enseignante GPT0,242
Écart entre enseignants0,233 · 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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Polymer ProcessingMême sujetCarbon Nanotubes in CompositesTravaux en français237 207