Deep analysis of chemically treated Jute/Kenaf and glass fiber reinforced with SiO2 nanoparticles by utilizing RSM optimization
Notice bibliographique
Résumé
• Natural jute/kenaf fibers enhance epoxy composites' flexural, hardness traits. • Silane (5 %-15 %) and SiO 2 (3 %-5 %) optimize fiber composite performance. • ANOVA evaluates silane and SiO 2 's effect on composite properties. • RSM-optimized blend boosts flexural by 26 % and hardness by 28 %. • 5 % SiO 2 , 10 % silane, 20-min dip yields ideal eco-friendly composite. In recent years, eco-friendly materials have gained significant attention, especially in substituting synthetic fibers with natural fibers in epoxy matrices. This study focuses on enhancing the flexural and hardness properties of composites reinforced with natural jute and kenaf fibers. The fibers were treated with different concentrations of silane (5 %, 10 %, and 15 %), varied silane dipping times (10, 20, and 30 min), and different amounts of SiO 2 nanofiller (3 %, 4 %, and 5 % by weight). An analysis of variance (ANOVA) was conducted to understand the impact of these treatment conditions on the composite properties. To optimize the flexural and hardness attributes, the study employed the desirability function (DF) and response surface methodology (RSM). Experimental results closely matched predicted values, affirming the model's accuracy. The study found that silane concentration had a significant effect on the flexural and hardness properties. Through RSM, the ideal treatment was identified as 5 % nanoparticle content, 10 % silane concentration, and a 20-minute silane immersion. These conditions led to a 26 % improvement in flexural strength and a 28 % increase in hardness with microanalysis done by SEM as well as Dynamic mechanical anaylsis (DMA) showcasing the potential of treated natural fiber composites in sustainable material 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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».