Utilizing Response Surface Methodology for Design Optimization of Stone Mastic Asphalt Containing Palm Oil Clinker Aggregates
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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.
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 | 0,003 | 0,001 |
| 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 | 0,000 | 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 découle