Development of sustainable polymer composite with agro‐industrial residue for biomedical applications
Notice bibliographique
Résumé
Abstract The excessive use of plastics has raised significant environmental concerns, including harm to marine ecosystems and pollution. PLA, a widely used bioplastic, suffers from low toughness and thermal stability, limiting its industrial applications. This study addresses these limitations by incorporating soybean hulls, a biodegradable agricultural waste, as a filler in PLA/PBAT blends to develop sustainable composites for 3D printing. Advanced optimization techniques, including grey relational analysis (GRA) and Taguchi design of experiments (TGRA), were used to optimize printing parameters. Results showed that the raster angle had the most significant influence on mechanical properties (70%). Validation tests using optimized parameters demonstrated a 23% decrease in tensile strength with 10 wt% soybean hulls but a 35% increase in flexural strength and only a 3% reduction in impact strength. These properties make the composite suitable for biomedical and rigid packaging applications. Scanning electron microscopy revealed voids, pullouts, and reduced interlayer adhesion, providing insights into the material's microstructure. This study highlights the innovative use of agricultural waste in 3D printing, combining eco‐friendly composites with advanced optimization techniques to improve sustainability and mechanical performance. Highlights Biodegradable PLA/PBAT composites with soybean hull made via FDM were studied. Raster angle influences 70% of mechanical property variations in composites. Adding 10% soybean hull increased flexural strength by 35% and reduced tensile by 23%. Grey relational analysis optimized printing improves composite properties. Eco‐friendly composites could replace petroleum plastics for biomedical purposes.
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 | 0,001 |
| 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) | 0,000 | 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 ».