KOMBINASI FILLER LIMESTONE DAN ABU BATU PADA CAMPURAN LASTON LAPIS AUS MENGGUNAKAN METODE MARSHALL
Notice bibliographique
Résumé
Filler digunakan untuk meningkatkan stabilitas dan kerapatan dari campuran aspal. Limestone dengan unsur utamanya kalsium dalam bentuk halus dapat meningkatkan viskositas campuran yang membuat daya lekat antar agregat menjadi tinggi. Penelitian ini menggunakan kombinasi filler antara limestone dan abu batu sebesar 0%, 25%, 50%, 75% dan 100% serta kadar aspal optimum sebesar 6,75% pada campuran laston wearing course. Pengujian dan analisis menggunakan metode marshall berupa pemeriksaan volumetric dan mekanis. Pengaruh penambahan filler limestone lebih dari 50% pada abu batu menunjukkan penurunan nilai VIM dan VMA, sedangkan VFB semakin meningkat. Nilai stabilitas dan marshall quotient dengan penambahan limestone cenderung menurun, hal ini disebabkan karena interlocking antar agregat semakin berkurang dan banyak aspal yang bisa mengisi rongga campuran. Nilai marshall quotient mengalami penurunan berarti tingkat plastisitasnya tinggi maka campuran tidak akan mudah mengalami retak. Sebaliknya, semakin banyak aspal yang mengisi rongga nilai flow cenderung meningkat. Penggunaan filler limestone lebih dari 50% pada campuran laston wearing course tidak memenuhi persyaratan karena mempunyai nilai flow di luar interval 2-4%.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».