The impact of cellulosic pulps on thermoforming process: effects on formation time and drainage efficiency
Notice bibliographique
Résumé
Abstract The growing environmental and health concerns associated with plastic pollution have driven the search for sustainable alternatives. This study investigated the impact of various types of cellulosic pulps and degree of refining on the production of thermoforming eco-friendly fiber-based materials as alternatives to plastics. By examining the influence pulp and fibers characteristics, the study aimed to correlate these factors with the two process parameters, formation time and drainage efficiency. Trays with a target dry weight of 31 g were produced using slurry consistency of 0.2 % and 0.8 % on an industrial molding machine. In this study, formation times required to achieve the target weight are varied from 0 to 42 s, influenced by pulp type, refining level, and slurry consistency showing that the longest time can affect the quality. Higher refining levels extended formation time, making it crucial to adjust slurry consistency to optimize production efficiency. Formation trials revealed that most pulps followed a logarithmic formation pattern at both consistencies. Dryness and drainage gain varied significantly across pulp types. Hardwood pulps exhibited the highest initial dryness, while alternative fibers like canola had the lowest, making them longer to dry. Recycled and mechanically pulped fibers retained more water due to fines content, further decreasing dewatering. Additionally, increased refining levels decreased both the initial dryness and the gain in dryness over equal drainage times. Since dryness directly influences drying time and energy consumption, optimizing pulp selection and refining strategies are essential for enhancing cost efficiency in thermoformed fiber production.
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 | 0,006 | 0,002 |
| 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 | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».