Remolding of Cross-Linked Polyethylene Cable Waste: Thermal and Mechanical Property Assessment
Notice bibliographique
Résumé
Plastic has entered in all our manufacturing commodities, i.e. household, medical, automotive, and aerospace. It is offsetting metal, glass and cellulosic containers and is becoming the material choice Formos disposable items. On the average 12% ofour MSWareplastics(LDPE, Polypropylene, PET, Polystyrene).As itscharacterizedwithahigh value waste streamand slowlydegradable, effortsin reprocessing and reducing itsnegative environmental impactare increasing.Aspolymerization of methane, it draws aparamount amount of fossil fueland whenitburnsits reactin enthalpyisequivalent to dieselcombustion(43 MJ/kg).In attempt torecycle LDPE that mildly cross-linkedfor cable manufacturing, this work explores thechanges of material properties following remolding, re-extruding/calendaring and injection.This waste can mount over120 tons annually from onecable industryof single production line.Thermal analysis of the plastic using the Differential Scanning Calorimetry (DSC) to inferthemelting and molding conditionsis carried first.Second, tensileand dynamicsamplespreparationisconductedfollowingshredding, sieving, and infusion/mixinginmini extruder and theHAAKE MiniJet IIinjected mold.Third,uniaxial staticand dynamictestsare carriedutilizing Instron tensileandthe dynamicDMA 8000machine. It was observed as the amount of waste infusion is increased the sample ductility and strength ismildlyreduced. Dynamic testsshowed that the molded XLPEhas ahigher viscosity than LDPE at phase shift of10.75°for XLPE compared to9.88°for LDPE.Finally, in the view of these results a Visco-elastic material model is inferred for the reproduction of experimental result sin static and dynamic loading conditions
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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) | 0,000 | 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 tête enseignante, 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 ».