MétaCan
Menu
Retour à la cohorte
Enregistrement W4387443772 · doi:10.1080/17480272.2023.2263991

Cutting speed and feed-per-knife effects on surface quality of cants produced by a chipper-canter

2023· article· en· W4387443772 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueWood Material Science and Engineering · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueForest Biomass Utilization and Management
Établissements canadiensUniversité Laval
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésWavinessQuality (philosophy)Surface roughnessAnimal scienceMaterials scienceEnvironmental sciencePulp and paper industryComposite materialEngineeringPhysicsBiology

Résumé

récupéré en direct d'OpenAlex

The effects of cutting speed (CS) and feed-per-knife (FK) on the surface quality of black spruce (Picea mariana [Mill.] B.S.P.) cants processed by a chipper-canter were evaluated. Nine matched groups of logs were studied at 20, 25, and 30 m/s of CS, and 19, 25, and 32 mm of FK. Each log was processed at frozen and unfrozen conditions. Knots and grain angle measurements were taken on the cant surfaces after machining. The quality of cants was assessed utilizing waviness, roughness, and torn grain. The results showed that the surface quality was affected by CS and FK. Surface quality improved as FK decreased, likely due to decreasing cutting forces. The waviness tended to improve as CS increased, which could be partly due to the reduction of the non-cutting period between knives at higher CS. The waviness and depth of torn grain were similar for frozen and unfrozen logs. Surface quality varied within the cant, being generally poorer in the lower half. Knots and orientation of spiral grain (left-handed) contributed to diminishing the quality of surfaces. Finally, the results of correlations and regression analyses showed that optimizing the cutting conditions to decrease waviness should also reduce the depth of torn grain.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,057
Score d'incertitude au seuil0,457

Scores Codex et Gemma par catégorie

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

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 Opus0,009
Tête enseignante GPT0,228
Écart entre enseignants0,219 · 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