MétaCan
Menu
Retour à la cohorte
Enregistrement W4404376627 · doi:10.3390/jcs8110473

Hemp Waste Stream Valorization Through Pyrolytic Carbonization for Epoxy Composite Strengthening

2024· article· en· W4404376627 sur OpenAlexaff
Silvia Zecchi, Giovanni Cristoforo, Mattia Bartoli, Carlo Rosso, Alberto Tagliaferro

Notice bibliographique

RevueJournal of Composites Science · 2024
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNatural Fiber Reinforced Composites
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésPyrolytic carbonEpoxyCarbonizationComposite numberMaterials scienceWaste streamComposite materialWaste managementPulp and paper industryPyrolysisEngineering

Résumé

récupéré en direct d'OpenAlex

This research addresses a gap in the literature by exploring the combined use of hemp and hemp hurds in composites, presenting a novel approach to bio-composite development. We report on the mechanical properties of epoxy resin composites reinforced with hemp fibers and hemp hurds, selected for their sustainability, biodegradability, and environmental benefits. These natural fibers offer a renewable alternative to synthetic fibers, aligning with the growing demand for eco-friendly materials in various industries. The primary objective was to evaluate how different filler contents and hemp hurd-to-hemp fiber ratios affect the composite’s performance. Composites with 1:1 and 3:1 ratios were prepared at filler concentrations ranging from 1 wt.% to 10 wt.%. Tensile tests revealed that the 3:1 ratio composites exhibited better stiffness and tensile strength, with a notable UTS of 19.8 ± 0.4 MPa at 10 wt.%, which represents a 160% increase over neat epoxy. The 1:1 ratio composites showed significant reductions in mechanical properties at higher filler contents due to filler agglomeration. The study concludes that a 3:1 hemp hurd-to-hemp fiber ratio optimizes mechanical properties, offering a sustainable solution for enhancing composite materials’ performance in industrial applications.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCommunication savante
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 enseignants0,067
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,003
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,014
Tête enseignante GPT0,276
Écart entre enseignants0,262 · 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 tête enseignante, pas un consensus.

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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Composites ScienceMême sujetNatural Fiber Reinforced CompositesTravaux en français237 207