MétaCan
Menu
Retour à la cohorte
Enregistrement W4410258546 · doi:10.1016/j.jcomc.2025.100606

Sustainable composites from microcrystalline cellulose and cellulose acetate: 3D printing and performance optimization

2025· article· en· W4410258546 sur OpenAlexafffund
Laura Daniela Hernandez-Ruiz, Malik Hassan, Tao Wang, Amar K. Mohanty, Manjusri Misra

Notice bibliographique

RevueComposites Part C Open Access · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing and 3D Printing Technologies
Établissements canadiensUniversity of Guelph
Organismes subventionnairesMinistry of Colleges and UniversitiesOntario Agri-Food Innovation AllianceNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésMicrocrystalline celluloseCelluloseCellulose acetateComposite materialMaterials science3D printingPolymer sciencePulp and paper industryChemistryOrganic chemistryEngineering

Résumé

récupéré en direct d'OpenAlex

• One of the first attempts to investigate plasticized cellulose acetate blended with microcrystalline cellulose for 3D printing. • Printing parameters optimized using Taguchi design, Grey Relational Analysis, and Principal Component Analysis. • Best mechanical performance achieved at 230 °C nozzle temperature, 1800 mm/min speed, 100 % infill, 0° raster angle, and 0.15 mm layer height. • 3D-printed samples showed 37 % higher impact strength than injection-molded. • 3D printed finger splint prototype demonstrated the material suitability for medical devices. Novel green composites were developed using microcrystalline cellulose (MCC) and plasticized cellulose acetate (pCA) to assess their viability for application in additive manufacturing (AM), specifically fused filament fabrication (FFF). This study represents one of the first attempts to fabricate and optimize a sustainable MCC-pCA composite for use as a 3D printing filament. The Taguchi L27 experimental design was employed to optimize five critical FFF parameters, namely nozzle temperature, printing speed, infill density, raster angle, and layer height, with the objective of maximizing mechanical performance. Optimal printing parameters were determined to be a nozzle temperature of 230 °C, a printing speed of 1800 mm/min, an infill density of 100 %, a raster angle of 0°, and a layer height of 0.15 mm. Under these conditions, the 3D-printed samples exhibited mechanical properties comparable to those of injection-molded counterparts, with a 37 % increase in impact strength. The coefficient of linear thermal expansion (CLTE) of the optimized 3D-printed sample was 89.36 μm/m °C (perpendicular) and 65.39 μm/m °C (parallel), demonstrating lower thermal expansion than injection-molded counterparts (108.65 μm/m °C and 47.06 μm/m °C, respectively). Furthermore, the heat deflection temperature (HDT) of the optimized 3D-printed sample was 92.18 °C, surpassing that of injection-molded samples (69.59 °C), indicating superior thermal resistance in the 3D-printed part. As a proof-of-concept, a 3D printed finger splint was fabricated using the optimized parameters, showcasing the potential of this sustainable composite for biomedical 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,264
Écart entre enseignants0,249 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueComposites Part C Open AccessMême sujetAdditive Manufacturing and 3D Printing TechnologiesTravaux en français237 207