Enhancing Cement Grinding Efficiency: Performance of Combined Polycarboxylate Ether and Triethanolamine Admixtures
Notice bibliographique
Résumé
Grinding is one of the most energy-intensive and costly processes in cement production, consuming nearly two-fifths of the total electrical energy.To enhance efficiency and mitigate environmental impacts, including greenhouse gas emissions and energy waste, grinding aids (GAs) are widely utilized, with amine-and glycol-based additives being the most common.While these additives enhance grinding efficiency and cement properties, they can negatively affect setting time and fluidity.Polycarboxylate ether-based waterreducing admixtures (PCEs) have emerged as promising alternatives due to their similar mechanisms of action.Studies indicate that PCEs can achieve comparable grinding efficiencies to conventional GAs, and their combination with triethanolamine (TEA) offers further performance benefits.This study investigated the time-dependent grinding efficiency of cement when TEA and PCE were used individually and in combination.A Bond ball mill was used for grinding experiments, with TEA, PCE, and a combined P-TEA additive (PCE and TEA in a 1:1 ratio) added at 0.05% of the total clinker and gypsum weight.Blaine fineness values (cm/g) were measured after 2000, 4000, and 6000 grinding cycles.All GA types improved Blaine fineness compared to control cement, confirming their effectiveness.Among them, the P-TEA combination exhibited the highest performance, demonstrating a synergistic effect between PCE and TEA.These findings highlight the potential of combining PCE with traditional GAs to optimize grinding efficiency and cement performance.The superior results achieved with P-TEA suggest that tailored formulations integrating PCEs with conventional GAs could enhance both grinding efficiency and cementitious properties, contributing to more sustainable cement 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 | 0,000 | 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) | 0,000 | 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 ».