Tribological Assessment of Synthetic Grease (PDPLG-2) Derived from Partially Degraded Low-Density Polyethylene Waste
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.
Notice bibliographique
Résumé
This study focuses on addressing the pressing challenge of reusing plastic in an eco-friendly manner. This research aimed to produce synthetic grease through an environmentally friendly pyrolysis technique, utilizing 69% predegraded low-density polyethylene (LDPE) combined with visible-light-working TiO2 thin film, protein-coated TiO2 NPs, and Lactobacillus plantarum bacteria in a batch reactor. The optimized conditions of temperature (500 °C) and heating time (2 h) resulted in the creation of 166 gm of partially degraded polyethylene grease 2 (PDPLG2) with National Lubricating Grease Institute (NLGI 2) grade consistency. PDPLG2 grease exhibits a wide-range dropping point of 280 °C and effectively maintains lubrication under high friction and stress loads, thereby preventing wear. Thermal analysis using TG and DSC validated the grease’s stability up to 280 °C, with minimal degradation beyond this point. Taguchi analysis using substance, sliding speed, and load as factors identified the ideal process parameters as aluminum, 1500 rpm, and 150 N, respectively. The present study revealed that sliding speed has the greatest impact, contributing 31.74% to the coefficient of friction (COF) and 11.28% to wear, followed by material and load. Comparative tribological analysis with commercially available grease (NLGI2) demonstrated that PDPLG2 grease outperforms NLGI2 grease. Overall, this innovative eco-friendly approach presents PDPLG2 as a promising alternative lubricant with improved anti-wear and friction properties, while also contributing significantly to plastic waste reduction.
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 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) | 0,001 | 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 découle