MétaCan
Menu
Retour à la cohorte
Enregistrement W4404181902 · doi:10.1016/j.prostr.2024.09.165

Innovations to Improve 3D Concrete Printing of Portland Cement-Steel Slag Blended Mortars

2024· article· en· W4404181902 sur OpenAlexaff
Zohaib Hassan, Saim Raza, Behrouz Shafei, Mehrdad Mahoutian, Moslem Shahverdi

Notice bibliographique

RevueProcedia Structural Integrity · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueInnovations in Concrete and Construction Materials
Établissements canadiensLachine Hospital
Organismes subventionnairesEidgenössische Materialprüfungs- und Forschungsanstalt
Mots-clésPortland cementMortarSlag (welding)Materials scienceCementMetallurgyComposite material

Résumé

récupéré en direct d'OpenAlex

This paper identifies typical issues and their remedies during lab-scale 3D printing of Portland cement-steel slag blended mortars. This study used a printer with an accelerator in its feeding system immediately before the extrusion stage. Accelerator dosage can be regulated for such a printer even during printing. However, a higher or lower than optimum dosage may lead to excessive flow or dry surface with a potential risk of cracking in the individual layers. Through the current study, two hollow cylindrical geometry and one hollow square geometry were printed. The print quality was evaluated by investigating various variables, such as considering two superplasticizers with different open times and using constant and variable accelerator dosages during printing. The compatibility of superplasticizers was found to affect the open time and, hence, the print quality with layer shortening and breaking. Changes in accelerator dosage during printing to compensate for the changing rheology were similarly notable, especially in terms of inconsistencies in printed layers. However, the use of a compatible superplasticizer was determined to mitigate both issues. Additionally, shrinkage-reducing admixture was recommended for mortars to avoid cracking due to early-age drying shrinkage.

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 enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,015
Tête enseignante GPT0,266
Écart entre enseignants0,251 · 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 revueProcedia Structural IntegrityMême sujetInnovations in Concrete and Construction MaterialsTravaux en français237 207