Mechanical Properties of a Bio-Composite Produced from Two Biomaterials: Polylactic Acid and Brown Eggshell Waste Fillers
Notice bibliographique
Résumé
An option to reduce the exploitation and depletion of natural mineral resources is to repurpose current waste materials. Fillers are often added to polymers to improve the properties and lower the overall cost of the final product. Very few studies have assessed the use of waste brown eggshell powder (BESP) as filler in polylactic acid (PLA). The addition of mineral fillers in a polymer matrix can play an important role in the performance of a composite under load. Therefore, tailoring the amount of filler content can be a deciding factor as to which filler amount is best. The goal of this study was to investigate the effect of brown eggshells compared to conventional limestone (LS) powder on the mechanical properties of PLA composites. One-way analysis of variance (ANOVA) was used to carry out the statistical analysis on the average values of each composite mechanical property tested. Scanning electron microscopy (SEM) was used to view if there were any differences in the fractured surfaces. Overall, the LS performed marginally better than the BESP fillers. The highest ultimate tensile and ultimate flexural strengths for eggshell composites containing 32 µm fillers had values of 48 MPa (5–10 wt.% BESP) and 67 MPa (10 wt.%. BESP), respectively. Both the tensile and flexural modulus improved with filler contents and were highest at 20 wt.% with values of 4.5 GPa and 3.4 GPa, respectively. The Charpy impact strength decreased for all filler amounts. SEM micrographs identified changes in the fractured surfaces due to the additions of the filler materials. The ANOVA results showed statistically significant differences for the composite materials. After five weeks of soaking in distilled water, the composites containing 20 wt.% BESP fillers had the highest weight gain. The study demonstrated that waste brown eggshells in powdered form can be used as a filler in PLA composites.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».