MétaCan
Menu
Retour à la cohorte
Enregistrement W4390399393 · doi:10.1088/2053-1591/ad19b1

Foam stability and thermo-mechanical properties of micro/nano filler loaded castor oil based flexible polyurethane foam

2023· article· en· W4390399393 sur OpenAlexaff
Aabid Hussain Shaik, Chahil Patel, Ariful Rahaman, Samarshi Chakraborty, Sanjay Kumar, Snehalata Agashe, Mostafizur Rahaman, Govindasami Periyasami, Mohammed Rehaan Chandan

Notice bibliographique

RevueMaterials Research Express · 2023
Typearticle
Langueen
DomaineMaterials Science
ThématiquePolymer composites and self-healing
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésPolyurethaneCastor oilPolyolMaterials scienceUltimate tensile strengthComposite materialThermal stabilityPolymerFiller (materials)Glass transitionFoaming agentChemical engineeringChemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Use of fillers in polymers is to improve thermo-mechanical properties of the resulting material. Fillers are also used in polymeric foam as cell openers. Flexible polyurethane (PU) foams undergo major loss in structural stability when synthetic polyol is replaced with castor oil in the formulation as an alternate polyol. This study probes the effect of various micro and nano-fillers on PU foams prepared using blend polyol containing castor oil and synthetic polyol at a ratio of 1:1. Physical and cellular properties such as foam height, cell diameter, strut thickness and cell number density were evaluated to probe the structural stability of the foam. All foams prepared were found stable while it was found that the densities of the PU foams synthesized were greater than that of the conventional PU foams. Addition of fillers found to enhance thermal and mechanical properties of the foam. Moreover, all foam samples were found to observe thermal stability over and above 258 °C. Minimum glass transition temperature was recorded for 15% HG samples (i.e., −35.5 °C). Highest tensile strength was observed for 15% Si samples whereas, highest elongation was observed for 10% NC.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,115
Tête enseignante GPT0,327
Écart entre enseignants0,211 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations8
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMaterials Research ExpressMême sujetPolymer composites and self-healingTravaux en français237 207