A sustainable approach for developing biocarbon from lignin and its utilization in recycled ocean nylon based biocomposites
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Nylon/polyamide (PA6) is a major cause of ocean plastic pollution because of its extended use in commercial fishing activities. Recovery of this nylon from oceans and its use in manufacturing new materials or composites is urgently required to promote sustainability and circularity. In this work, unlike higher-density mineral fillers, lignin from the forestry industry was converted into biocarbon, which was used as a lightweight filler to manufacture recycled-ocean nylon (RN) based composites. Biocarbon is a highly stable, competitive, and sustainable filler for high-performance engineering plastics such as nylon. Lignin was pyrolyzed at 600°C followed by further treatment at 1200°C (with and without cobalt (II) nitrate catalyst) to induce graphitization in the produced biocarbon. Among the three types of biocarbon samples, such as pyrolyzed at 600°C, 1200°C and 1200°C catalyzed lignin biocarbon, the catalyzed biocarbon showed the maximum electrical conductivity. Catalyzed lignin biocarbon pyrolyzed at 1200°C showed an increase of 85% in electrical conductivity compared to commercial mineral graphite. The biocomposites consisting of 600°C biocarbon were manufactured by injection molding at different filler contents up to 40 wt.%. The biocomposites consisting of 40% of pyrolyzed lignin at 600°C showed increased flexural strength, flexural modulus, and heat deflection temperature by 41, 76 and 76%, respectively, compared to neat RN. Improved properties of the prepared biocarbons and biocomposites showed the potential of RN-based composites in the automotive industries.
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.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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 découle