Additive Manufacture of Recycled Poly(Ethylene Terephthalate) Using Pyromellitic Dianhydride Targeted for FDM 3D-Printing Applications
Notice bibliographique
Résumé
The suitability of recycled poly(ethylene terephthalate) (R-PET) for 3D-printing applications was evaluated by studying the melt flow characteristics of the polymer. R-PET is known to experience significant deterioration in its mechanical properties when recycled due to molecular weight loss that results from reprocessing. Lower molecular weight hinders R-PET from being 3D-printable due to low viscosity and melt strength. The hypothesis was that R-PET can be modified with reasonable effort and resources to a 3D-printable thermoplastic if the low viscosity problem is tackled. Higher viscosity will enhance both the melt strength and the melt flow characteristic of the polymer, making it more suitable for processing and 3D printing. Reactive extrusion was selected as the method for modifying the polymer to achieve the objective via a coupling reaction with chain extender PMDA (pyromellitic dianhydride). A decrease in the melt flow index (MFI) from 90 to 1.2 (g/10 min) was recorded when PMDA was added at 0.75 wt% which lowered the MFI of modified R-PET to a comparable value to commercial 3D-printing filaments. Furthermore, FT-IR analysis was performed to investigate the chemical composition of the product. Finally, a 3D-printing filament was made from the modified R-PET by mimicking the main processing stations that exist in the filament-making process, which are the extrusion stage, water bath cooling stage and spooling stage. With 0.75 wt% PMDA, the melt strength was satisfactory for pulling the filament and, therefore, a filament with on-spec dimension was produced. Finally, a small object was successfully 3D-printed using the filament product at a minimum recommended temperature of 275 °C.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».