Direct milling: Efficient, facile, and green method for processing fibrillated cellulose/polymeric nanocomposites with boosted thermomechanical and rheological performance
Notice bibliographique
Résumé
Bringing biobased nanomaterials into polymer manufacturing is essential to enhance polymers' properties and address the challenges posed by plastic waste. Using polymers such as polyamide 6 (PA6) in advanced industries, e.g., automotive sector, has been impeded as a direct consequence of their inability to meet the required mechanical properties. Herein, we utilize bio-based cellulose nanofibers (CNFs) to enhance the properties of PA6 by green processing, with no footprint on the environment. We address the issue of the dispersion of the nanofillers in polymeric matrices and demonstrate direct milling (cryo-milling and planetary ball milling) to facilitate a thorough integration of the components. Nanocomposites incorporating 1.0 wt% CNF, processed by pre-milling followed by compression molding, are shown to possess a storage modulus of 3.8 ± 0.2 GPa, Young's modulus of 2.9 ± 0.2 GPa, and ultimate tensile strength of 63 ± 3 MPa (all measured at room temperature). To show the superiority of direct milling in achieving these properties, other frequent approaches used to disperse CNF in polymers, such as solvent casting and hand mixing, are meticulously investigated and compared for the performance of their resulting specimens. The ball-milling method is demonstrated to provide PA6-CNF nanocomposites with excellent performance, better than solvent casting, with no associated environmental concerns.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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 ».