Hemp hurd filled <scp>PLA</scp> ‐ <scp>PBAT</scp> blend biocomposites compatible with additive manufacturing processes: Fabrication, rheology, and material property investigations
Notice bibliographique
Résumé
Abstract A co‐continuous 50:50 blend of poly(lactic acid) (PLA) and poly(butylene adipate‐co‐terephthalate) (PBAT) was compounded with 10–40 wt% hemp hurd microparticles (<250 μm) to achieve balanced material properties for additive manufacturing (3D printing) applications. The blend and composites were further compatibilized with maleic anhydride via an in situ reactive extrusion process to enhance the adhesion between the polymers and the fillers and subsequently improve stress transfer between the components. All composite samples were processed further via injection molding and 3D printing processes to analyze and compare the rheology, morphology, thermal, mechanical properties, and other physio‐chemical properties. For the unfilled polymer blends, the injection molded and 3D printed sample specimens displayed similar mechanical properties. However, in the hemp filled composites, the injection molded specimens demonstrated enhanced mechanical properties. This indicates that the 3D printing process requires further parameter optimization to eliminate potential gaps between the printing layers and enhance mechanical properties. Overall, the PLA:PBAT blends filled with hemp hurd microparticles provided balanced composite properties in addition to their sustainability attribute, which makes them an appealing alternative for the fabrication of compostable and tough materials via additive manufacturing processes. Highlights Upon maleation, the blend components formed a co‐continuous morphology. Sustainable plastic filament with up to 40 wt% hemp hurd micro particles. 3D printing can compete with injection molding in filled composites. Successfully 3D printed model furniture with 30 wt% hemp filler.
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 | 0,000 | 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) | 0,001 | 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 ».