MétaCan
Menu
Retour à la cohorte
Enregistrement W4413880586 · doi:10.3390/eng6090213

Utilizing Response Surface Methodology for Design Optimization of Stone Mastic Asphalt Containing Palm Oil Clinker Aggregates

2025· article· en· W4413880586 sur OpenAlexaff
Ali Mohammed Babalghaith, Abdalrhman Milad, Waqas Rafiq, Shaban Shahzad, Suhana Koting, Ahmed Suliman B. Ali, Abdualmtalab Abdualaziz Ali

Notice bibliographique

RevueEng—Advances in Engineering · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueAsphalt Pavement Performance Evaluation
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesUniversiti MalayaKing Fahd University of Petroleum and Minerals
Mots-clésResponse surface methodologyPalm oilAsphaltMaterials scienceClinker (cement)Composite materialEnvironmental sciencePulp and paper industryEngineeringCementChromatographyChemistryPortland cement

Résumé

récupéré en direct d'OpenAlex

This study introduces a novel approach to enhance the sustainability of road pavement construction by utilizing palm oil clinker (POC), an industrial waste product, as a replacement for fine aggregates (passing 4.75 mm) in stone mastic asphalt (SMA) mixtures. Departing from conventional practices, this research comprehensively evaluates the feasibility of using POC at varying replacement levels (0% to 100%) across a range of binder contents (5.0% to 7.0%). A significant contribution of this work is the application of Response Surface Methodology (RSM) to optimize the proportions of POC and binder content (BC), achieving target Marshall and volumetric properties for superior pavement performance. The results demonstrate that POC can effectively substitute fine aggregates in SMA mixtures, meeting all requirements for Marshall stability, flow, stiffness, and volumetric properties, even at a 100% replacement rate. Statistical analysis using RSM confirmed the model’s validity, exhibiting a high R-squared value (>0.80), significant p-values, and an adequate precision exceeding 4. Optimization analysis revealed that a 60% POC content with a 6% BC yields the most desirable combination for achieving optimal SMA mixture characteristics. Further validation through experimental testing showed a strong correlation with the theoretical RSM predictions, with an error margin below 5%. This research underscores the potential of POC as a sustainable alternative to traditional aggregates, paving the way for more environmentally friendly and cost-effective road construction practices while simultaneously addressing waste management challenges in the palm oil industry.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
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 ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,049
Tête enseignante GPT0,332
Écart entre enseignants0,283 · 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

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEng—Advances in EngineeringMême sujetAsphalt Pavement Performance EvaluationTravaux en français237 207