MétaCan
Menu
Retour à la cohorte
Enregistrement W4366833912 · doi:10.13073/fpj-d-23-00001

Influence of Local Density on Concentrated Static Load Performance of Oriented Strandboard

2023· article· en· W4366833912 sur OpenAlexfundno aff
Siguo Chen, Robert Knudson

Notice bibliographique

RevueForest Products Journal · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueMaterial Properties and Processing
Établissements canadiensnon disponible
Organismes subventionnairesInnotech Alberta
Mots-clésComposite materialMaterials science

Résumé

récupéré en direct d'OpenAlex

Abstract Fourteen 1,220 by 2,440 by 11.1-mm commercial Oriented Strandboard (OSB) panels were X-ray scanned to obtain horizontal density matrices. Localized densities around the concentrated static load (CSL) testing points of the panels were calculated prior to the CSL test. A linear regression analysis was conducted to assess the impact of the localized density on CSL performance. The results indicated that both deflection and ultimate load were highly correlated with the local density. Deflection and ultimate load were somewhat correlated (R2 = 0.52). The CSL deflection decreased and ultimate load increased significantly with increasing local density. The impact of local density on ultimate load was greater than on deflection. Horizontal density variation is inherent in OSB manufacturing processes, especially in the mat forming process. A number of factors, including evenness of strands in the metering bin, condition of picker rolls and dissolving rolls, and strand and fines surging, can affect horizontal density distribution. OSB panels with a high degree of variation in horizontal panel density may cause low density spots that increase the chance of failure in CSL test. It is therefore crucial to minimize the occurrence of very low density areas in order to reduce the odds of ultimate load failure. Reducing density variability allows OSB companies to increase the CSL properties of their products, which would otherwise need to be done by making the panel denser. Improving horizontal density uniformity allows for lowering of the average panel density, which reduces the manufacturing cost and helps improve the company's bottom line.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,010
Tête enseignante GPT0,201
Écart entre enseignants0,191 · 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 source (Gemma direct ou Codex distillé), 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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueForest Products JournalMême sujetMaterial Properties and ProcessingTravaux en français237 207