A Review of Optimization of Limestone and Calcined Clay Cement (LC3) Concrete Mixtures for 3d Printing
Notice bibliographique
Résumé
This paper reviews the existing literature on the optimization of Limestone Calcined Clay Cement (LC3) for 3D concrete printing mixtures.The main aim of this paper is to review the impacts of replacing Portland cement with calcined clay and limestone on the properties of 3D concrete mixtures.The paper investigated the property requirements for fresh and hardened concrete for 3D printing, the existing 3D printing concrete mix designs, the effects of substituting calcined clay and limestone for Portland cement and optimization methods for 3D concrete mixtures.In contrast to traditional concrete, the study discovered that 3D printed concrete requires unique properties such as extrudability, flowability, buildability and rapid setting time.Furthermore, the addition of calcined clay and limestone to the concrete mixture enhances buildability, green strength and compressive strength while reducing extrudability and flowability.To optimize 3D concrete printing mixtures, techniques like particle size distribution optimization, the usage of superplasticizers and admixture incorporation were identified in this review.These techniques have been shown to improve 3D printed concrete properties while also reducing its cost and environmental impact.In conclusion, the paper provides an in-depth review of the present state of knowledge regarding the optimization of LC3 for 3D concrete printing and highlights the need for further research to optimize the material for 3D printing.
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) | 0,001 | 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 ».