Multi‐material distributed recycling via material extrusion: <scp>recycled high density polyethylene</scp> and <scp>poly (ethylene terephthalate)</scp> mixture
Notice bibliographique
Résumé
Abstract The high volume of plastic waste and the extremely low recycling rate have created a serious challenge worldwide. Local distributed recycling and additive manufacturing (DRAM) offers a solution by economically incentivizing local recycling. One DRAM technology capable of processing large quantities of plastic waste is fused granular fabrication, where solid shredded plastic waste can be reused directly as 3D printing feedstock. This study presents an experimental assessment of multi‐material recycling printability using two of the most common thermoplastics in the beverage industry, polyethylene terephthalate (PET) and high‐density polyethylene (HDPE), and the feasibility of mixing PET and HDPE to be used as a feedstock material for large‐scale 3‐D printing. After the material collection, shredding, and cleaning, the characterization and optimization of parameters for 3D printing were performed. Results showed the feasibility of printing a large object from rPET/rHDPE flakes, reducing production costs by up to 88%. Highlights Study: multi‐material recycling printability of PET‐HDPE. Large‐scale fused particle‐based 3‐D printing technically possible. Direct waste 3‐D printing rPET/rHDPE flakes, reducing production costs up to 88%.
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 ».