How To Predict Truck Tyre Wear
Notice bibliographique
Résumé
Durability and end of life considerations of products are important, especially regarding microplastic pollution . Tyres significantly contribute to this problem, with nearly 30% of the microplastics originat ing from tyre wear. Therefore predicting tyre wear and improving abrasion resistance of tyres are essential to decrease the microplastics. <br/>Tyre wear is a complicated phenomenon, dependent on multiple factors , and predicting it for truck tyres remains a challenge. This work presents research on rubber abrasion, to understand factors influencing truck tyre abrasion and current laboratory measurement methods. Multiple factors were investigated and correlations between results from LAT100 analysis and material characteristics were evaluated. Results show linear abrasion dependence on the load and a positive correlation between shear strength and a brasion.<br/>The abrasion was tested using both the DIN abrader and LAT100, with the latter<br/>showing better correlation between lab and road data. However, current LAT100<br/>protocols for car tyres are suboptimal for truck tyres. It requires further improvements like increasing the energy dissipation , reduced speed, increased load and disc sharpness. <br/>Future work will optimise the LAT100 protocol for testing truck tyre compounds<br/>and additional compounds will be developed to better understand wear behaviour and material properties.
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 | 0,001 | 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 | 0,002 |
| 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 | 0,001 |
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.
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 ».