Quantitative assessment of dispersion stability and processing parameters in graphene‐enhanced unsaturated polyester resins: Effect of mixing techniques
Notice bibliographique
Résumé
Abstract Recent advances in cost‐effective graphene mass production highlight its potential for industrial applications, along with the challenges of achieving and controlling uniform dispersion at a large scale. State‐of‐the‐art approaches such as functionalization, solvent mixing, and sonication are costly for large‐scale use. As for dispersion analysis, microscopy techniques such as scanning electron microscopy and transmission electrical microscopy are still commonly employed, while emerging quantitative methods, including electrical conductivity measurements, micro‐CT, and machine learning, remain time‐intensive and are limited to fully‐cured nanocomposites. This study aims to evaluate three mixing techniques—mechanical mixing, high shear mixing, and probe sonication—for dispersing an industrial mass‐produced graphene powder in an unsaturated polyester resin. Their impact on processing parameters is examined using thermal and rheology analysis. Furthermore, dispersion states throughout the processing window are quantified for the first time. Results indicate that graphene addition inhibits resin curing, delaying gelation and increasing peak temperatures. Mechanical mixing exhibited the lowest dispersion efficiency with dispersion indices of 62.87%, 65.15%, and 66.37% at 0.25, 0.5, and 0.75 Wt.% graphene, respectively. Probe sonication was most effective at lower concentrations (66.65% and 68.20% at 0.25 and 0.5 Wt.%), while high shear mixer excelled at 0.75 Wt.% graphene (69.11%) due to increased viscosity. The dispersion states remained stable during curing, as the resin's higher viscosity restricted nanofiller mobility. Highlights Graphene delays resin curing (5.8%–40%) by radical scavenging and hindrance. Objective method for quantitative graphene dispersion across processing window. Better dispersion obtained using high shear mixer at higher graphene content. High resin viscosity stabilizes graphene dispersion, limits mobility in curing.
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 | 0,001 | 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 | 0,001 |
| 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 ».