Influence of punch coating surface properties on sticking during the tableting process
Notice bibliographique
Résumé
Introduction The present study evaluates the sticking propensity of Uncoated steel, and chromium nitride (CrN), zirconium nitride (ZrN), titanium nitride (TiN) and Ultracoat punch coatings during the tableting process of microcrystalline cellulose (MCC) conducted on a Manesty® F3 single station tableting press.Methods Surface properties including surface roughness, surface free energy (SFE) and its components, the atomic percentage of surface polar functional groups and oxides measured with X-ray photoelectron spectroscopy were used to characterize the surface propensity to sticking.Results After five hours of tablet pressing, MCC powder particles were found to adhere to the TiN coated and the uncoated steel punches. Surface analysis show that surface roughness of all the tested punches was similar. The Lewis base SFE component (LB-comp) was found to govern the acid-base interactions of the tested surfaces, and its value was higher for punch surfaces affected by sticking. The surfaces exhibiting higher LB-comp are more prone to strong acid-base interactions with water molecules that evaporate from the powder bed during compression. Therefore, these surfaces adsorbed water and allow sticking through capillary adhesion force.Conclusion The total atomic percentage of the surface polar functional groups (PFG) and oxides was also high for the surfaces that stick to MCC during tableting, suggesting that hydrophilic molecules on the punch surface favor sticking.
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 | 0,001 |
| 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 ».