MétaCan
Menu
Retour à la cohorte
Enregistrement W4399185627 · doi:10.32732/jcec.2024.13.2.59

Performance Evaluation of an Asphalt Mix Containing Non-Metallic Fractions of Recycled Printed Circuit Boards

2024· article· en· W4399185627 sur OpenAlexaff
Mohammad Reza Mohammad Shafiee, Morvarid Fattahi

Notice bibliographique

RevueJournal of Civil Engineering and Construction · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRecycling and Waste Management Techniques
Établissements canadiensNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésRutAsphaltDurabilitySubgradeFatigue crackingAggregate (composite)CrackingEnvironmental scienceMaterials scienceWaste managementEngineeringGeotechnical engineeringCivil engineeringComposite material

Résumé

récupéré en direct d'OpenAlex

The growing volume of non-metallic fractions extracted from recycled printed circuit boards necessitates sustainable solutions. Integrating these fractions into road paving asphalt mix presents potential opportunities to bolster environmental sustainability and resource conservation. While previous studies have predominantly focused on the wet process of incorporating electronic waste into asphalt binder, challenges persist, including but not limited to the requirement for specialized machinery and concerns regarding the storage stability of the modified binder. In contrast, this paper explored designing a Superpave mix via the dry process followed by execution of fundamental performance tests including Hamburg wheel-tracking and the Illinois flexibility index test. The results highlighted that the asphalt mix substantially surpassed the minimum requirement of 80% for Tensile Strength Ratio (TSR), indicating excellent moisture resistance. Additionally, its resistance to rutting and fatigue cracking remained well within acceptable limits, underscoring the overall durability of the mix. Finally, structural analysis of four pavement models was conducted using AASHTOWare Pavement M-E Design (PMED). The findings indicated that predicted distresses consistently remained below the failure threshold, even when faced with varying subgrade conditions, traffic volumes, and climate factors.

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)0,001
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
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
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)0,0010,000

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 Opus0,012
Tête enseignante GPT0,242
Écart entre enseignants0,230 · 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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Civil Engineering and ConstructionMême sujetRecycling and Waste Management TechniquesTravaux en français237 207