MétaCan
Menu
Retour à la cohorte
Enregistrement W7019058664

Formulation, caractérisation et optimisation de mélanges à base de polyéthylènes recyclés

2024· dissertation· fr· W7019058664 sur OpenAlexfundaboutno aff

Notice bibliographique

RevueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke) · 2024
Typedissertation
Languefr
DomaineMaterials Science
ThématiquePolymer crystallization and properties
Établissements canadiensnon disponible
Organismes subventionnairesMitacs
Mots-clésContext (archaeology)Rail transportationLimiting
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Le plastique est l’un des matériaux les plus utilisés dans notre quotidien grâce à ses propriétés exceptionnelles. Malheureusement, face à l’évolution industrielle et à la pandémie de la COVID-19, la consommation des produits en plastique tels que les emballages jetables, les équipements de protection individuelle (des masques, gants, etc.) a augmenté significativement, ce qui a influencé le taux des déchets plastiques. De plus, après la décision de la Chine en été 2017 de diminuer l’importation des matières recyclables, plusieurs pays comme le Canada ont décidé de faire face à ce fléau en développent de nouveaux débouchés locaux afin de gérer et revaloriser les déchets plastiques. C’est dans ce contexte, que s’inscrit ce projet doctoral en partenariat avec Soleno Inc. qui vise à développer des formulations à base de différents types de Polyéthylène (PE) recyclé destinées à la fabrication des tuyaux, et qui répondent aux normes de la normalisation du bureau du Québec (BNQ). L’objectif primordial de cette thèse de doctorat est de développer de nouvelles formulations de PE recyclé via le procédé d’extrusion tout en optimisant les paramètres du procédé et améliorant les propriétés thermomécaniques de la résine recyclée. Afin de répondre à cette problématique, une méthodologie de travail a été mise en place visant en premier lieu la réalisation d’une charte de matière permettant de catégoriser les différentes matières recyclées reçues des centres de recyclage, selon leurs propriétés intrinsèques (rigidité, fluidité, température de fusion…). Ces matières plastiques qui proviennent de sacs plastiques recyclés, sont constituées de polyéthylène basse densité (LDPE) et de polyéthylène basse densité linéaire (LLDPE). Ensuite, ces matières ont été testées sur des mélanges de polyéthylène haute densité (HDPE) et de polyéthylène à hautes masses moléculaires (HMWPE) recyclé par extrudeuse bi-vis, pour évaluer leurs propriétés thermomécaniques. En second lieu, le développement de nouvelles formulations a été réalisé en testant plusieurs types d’additifs (antioxydants, charges, noir de carbone, compatibilisants, etc.) selon le ou les propriétés qu’on envisage améliorer. L’évaluation de l’effet de chaque type d’additif sur les mélanges de PE recyclés est effectuée par la caractérisation thermique (calorimétrie différentielle à balayage (DSC), mesures du temps d'induction oxydative (OIT)), la caractérisation mécanique (tests de traction et flexion, résistance à la propagation de fissures, résistance à l’impact, etc.) et la caractérisation rhéologique (indice de fluidité). La campagne expérimentale consiste à réaliser des tests d’extrusion à petite échelle (laboratoire), ensuite à grande échelle (industrie). Les tests préliminaires au laboratoire ont permis d’analyser le comportement thermomécanique des matières plastiques recyclées, et de maitriser les paramètres optimaux du procédé d’extrusion pour chaque type de matières, ce qui a facilité la tâche suivante qui consiste à valider les formulations optimales à l’échelle industrielle sur des mélanges destinés à la fabrication des tuyaux. Les résultats obtenus sont prometteurs et montrent que l’ajout des additifs améliorent les propriétés thermomécaniques des mélanges de PE recyclé qui s’approchent de celles des mélanges à base de PE vierge. La revalorisation des déchets plastiques post-consommation peut contribuer à la réduction de l’empreinte environnementale de ces derniers et à la diminution de l’enfouissement.

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)0,000
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,018
Tête enseignante GPT0,234
Écart entre enseignants0,216 · 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

Citations0
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke)Même sujetPolymer crystallization and propertiesTravaux en français237 207