MétaCan
Menu
Retour à la cohorte
Enregistrement W4319158820 · doi:10.3390/ma16031300

Laboratory Study of the Effects of the Mixer Type and Mixing Time on the Volumetric Properties and Performance of a HMA with 30 Percent Reclaimed Asphalt Pavement

2023· article· en· W4319158820 sur OpenAlexafffund
Marc-André Bérubé, Sébastien Lamothe, Kevin Bilodeau, Alan Carter

Notice bibliographique

RevueMaterials · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAsphalt Pavement Performance Evaluation
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésAsphalt pavementAsphaltUltimate tensile strengthMaterials scienceMixing (physics)Specific gravityComposite materialStiffnessGeotechnical engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

This study examined the effects of the laboratory mixer type and mixing time on a hot-mix asphalt (HMA) using three different types of mixers and four different mixing times. The asphalt mix used is a semi-open graded mix (ESG-10) with 30% reclaimed asphalt pavement (RAP), and a range of tests were conducted including bitumen extraction by ignition, particle size distribution, maximum specific gravity (Gmm), a SUPERPAVE gyratory compactor (SGC), bulk specific gravity (Gmb), indirect tensile stiffness modulus (ITSM), and indirect tensile strength (IDT). The statistical analysis of variance (ANOVA) was also applied to quantify the effect of mixer type and mixing time. The results indicated that both mixing type and time had a significant effect on the properties of the HMA (volumetric properties and compactability) and that the type of mixer used also affected the performance of the HMA (stiffness and cracking resistance), with some mixers producing asphalt mixes with better properties than others. The study ultimately demonstrated that it is possible to produce a mix that exhibits good performance and meets or does not meet the compactability specifications depending on the mixer type used.

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)0,001
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 enseignants0,278
Score d'incertitude au seuil0,192

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,016
Tête enseignante GPT0,198
Écart entre enseignants0,182 · 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

Citations7
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMaterialsMême sujetAsphalt Pavement Performance EvaluationTravaux en français237 207