MétaCan
Menu
Retour à la cohorte
Enregistrement W4404767449 · doi:10.1002/pen.27022

Enhancing friction with additively manufactured surface‐textured polymer composites

2024· article· en· W4404767449 sur OpenAlex
Sabrina Islam, Kurt E. Beschorner, Z. Shaghayegh Bagheri

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevuePolymer Engineering and Science · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueTribology and Wear Analysis
Établissements canadiensToronto Rehabilitation InstituteUniversity Health Network
Organismes subventionnairesVirginia Innovation Partnership Corporation
Mots-clésMaterials scienceComposite materialPolymerSurface (topology)Geometry

Résumé

récupéré en direct d'OpenAlex

Abstract Increasing rubber's friction on slippery surfaces provides protection against falls; however, surface‐textured composites, despite their potential, remain susceptible to wear. To address this issue, part of our team previously patented a surface‐textured composite made from thermoplastic polymers and microfibers. This study investigates the impact of manufacturing processes and 2D filler, which are known for their hydrophobicity and large surface area. It enhances our patented composite by integrating 2D graphene nanoplatelets (GNP), hexagonal boron nitride (hBN), and fillers like styrene‐butadiene‐styrene (SEBS), and silica, while comparing the properties of composites fabricated via injection molding (IM) and fused filament fabrication (FFF). The results demonstrate that 2D fillers enhance both abrasion resistance and ice friction, while FFF‐fabricated composites consistently exhibit superior properties across all compositions. Notably, hBN‐reinforced samples exhibited hierarchical surface texturing, leading to enhanced abrasion resistance (FFF: 146.63% ± 3.39%; IM: 133.83% ± 6.8%; p = 0.036), and effective ice traction (FFF: 0.58 ± 0.04; IM: 0.54 ± 0.06; p = 0.043). These outperformed ice‐traction properties of all other FFF‐fabricated composites, including a previously patented composite (0.52 ± 0.05) as well as composites with GNP (0.53 ± 0.02), SEBS (0.42 ± 0.05), and hBN + SEBS (0.45 ± 0.02). Additionally, the patented composite produced via FFF exhibited moderate oil traction (0.121 ± 0.001), outperforming others. This study highlights the potential of FFF and 2D fillers to enhance traction and durability in composites. Highlights Surface‐textured composite introduced via additive manufacturing. Abrasion resistance and friction analysis on icy and oily conditions. Reveals the potential for new composite to improve traction and longevity. Highlights the importance of controlled fiber distribution and orientation.

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.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,166
Score d'incertitude au seuil0,540

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
Science ouverte0,0000,000
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 Opus0,003
Tête enseignante GPT0,185
Écart entre enseignants0,182 · 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