Industrial byproducts as adhesive allies: Unraveling the role of proteins and isocyanates in polyurethane wood bonding
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.
Notice bibliographique
Résumé
Wooden structures are becoming increasingly popular in the construction world. However, these structures often rely on synthetic adhesives, raising concerns about the environmental risks associated with their chemical composition. In response to these concerns, this study aims to explore sustainable alternatives, particularly focusing on polyurethane adhesives that incorporate proteins from industrial byproducts. The investigation involved three protein sources: soybean meal, shrimp shells, and skim milk, modified under mild alkaline conditions to obtain protein concentrates. These concentrates were then incorporated into the adhesives at varying protein contents: 5%, 10%, and 15%. Additionally, two isocyanate systems were examined, one being petrochemical-based and the other a partially bio-based blend. Chemical, thermal, optical, and mechanical characterizations were conducted to evaluate the adhesive performance. This study demonstrates that the adhesives’ thermal properties remain unaffected by both the protein content and the isocyanate system. However, these factors influence the adhesive penetration into the wood substrate. Ultimately, the results suggest that higher protein content offers superior retention of mechanical strength in adhesives compared to the petrochemical reference when subjected to humid conditions. Overall, this research demonstrates the potential of proteins from industrial byproducts as sustainable adhesive allies, providing valuable insights into their interactions with different isocyanates.
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 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) | 0,001 | 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 découle