MétaCan
Menu
Retour à la cohorte
Enregistrement W4388142045 · doi:10.15376/biores.18.4.rodriguez

Use of phase change materials in wood and wood-based composites for thermal energy storage: A Review

2023· review· en· W4388142045 sur OpenAlexaff
Gustavo Rodríguez, Cecilia Bustos, Alain Cloutier

Notice bibliographique

RevueBioResources · 2023
Typereview
Langueen
DomaineEngineering
ThématiquePhase Change Materials Research
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésMaterials sciencePhase changeComposite materialEngineered woodBrickPhase-change materialThermal energy storageEngineeringEngineering physics

Résumé

récupéré en direct d'OpenAlex

Using phase change materials (PCMs) is an efficient solution for reducing energy consumption in buildings. These materials have a large capacity for storing thermal energy, making them an appealing option for energy management purposes. Phase change materials have been successfully incorporated into various construction materials such as concrete, brick, or plaster. The primary objective of this review is to examine previous studies conducted on the application of PCMs in wood. The initial section presents an overview of the direct impregnation techniques utilized for wooden materials. This is followed by a discussion on the implementation of macroencapsulated PCMs in wooden structures that are typically present in residential buildings. In addition, the use of shape-stabilized PCM/wood composites, preventing potential leaks during the phase change transition, is explored. Finally, patents related to the use of PCMs in wood are described. Future challenges include the incorporation of PCMs into wood composites to improve their thermal properties. This literature review shows that there is a gap in knowledge regarding the utilization of phase change materials in wood-based panels such as oriented strandboards, fiberboards, and particleboards. This provides an opportunity for future research to improve the performance of the products manufactured by the wood-based panels industry.

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 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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,913
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0010,000
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 Opus0,249
Tête enseignante GPT0,378
Écart entre enseignants0,128 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBioResourcesMême sujetPhase Change Materials ResearchTravaux en français237 207