Wood flour and kraft lignin enable air-drying of the nanocellulose-based 3D-printed structures
Notice bibliographique
Résumé
The predominant technique for producing 3D-printed structures of nanocellulose involves freeze-drying despite its drawbacks in terms of energy consumption and carbon footprint. This study explores the less-energy-intensive drying approach by leveraging the valorization of forest residual streams. We utilized wood flour and Kraft lignin as fillers to facilitate room-temperature drying of the nanocellulose-based 3D printed structures. Various ink formulations, integrating cellulose nanofibers, wood flour, and lignin, were tested for direct ink writing (DIW). The formulations exhibited shear-thinning behavior and distinct yield stress with rising stress levels, ensuring the effective flow of the ink during DIW. Consequently, multilayered objects were printed with high shape fidelity and precise dimensions. Lignin and wood flour prevented structural collapse upon room-temperature drying. A reduced shrinkage was observed with the addition of lignin in freeze and room temperature drying. Moreover, the room-temperature dried samples were denser and demonstrated significantly higher resistance to applied compressive force, surpassing those reported for cellulose-based 3D composites in the existing literature. Remarkably, the trade-off effects of lignin are highlighted in terms of efficient stress-distributing and micro-scale sliding, enabling better strength. Along with wood flour, it further increases thermal stability. However, lignin hinders the hierarchical porous structure, the main ion transportation channels, reducing the double-layer capacitance of the carbonized structures. Overall, the results underscore the potential of all-biobased formulations for DIW for practical applications, highlighting their enhanced mechanical properties and structural integrity via the more sustainable drying method.
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 | 0,001 |
| 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 ».