Optimization and Performance Analysis of Brake Friction Composites with Pineapple Leaf Fiber and Vermiculite, pp. 97-111
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
The growth of industry has caused a rise in the need for materials that create friction.This has led to significant environmental problems at every stage of their existence.As a result, there is now a strong emphasis on creating brake friction materials that are environmentally friendly and sustainable.This study investigates the mechanical and tribological characteristics of Pineapple Leaf Fiber (PLF), a natural fiber, and vermiculite, an industrial waste, as environmentally acceptable additives to improve the behaviour of braking friction composites.Four samples were created, each having varying ratios of vermiculite and PLF.These samples were then evaluated using a friction testing equipment with adjustable speed.The results indicate that the utilization of the environmentally friendly alternative combination can significantly enhance the friction coefficient, minimize friction variations and thermal deterioration.However, it should be noted that the wear rate will also proportionally rise as a result.Furthermore, the deteriorated structure provides evidence of the creation of the contact platform and the process by which wear occurs.The study utilized a hybrid integration of CRITIC (criteria importance through inter-criteria correlation) and multi-objective optimization by ratio analysis (CODAS) to objectively weigh different assessment indicators and rank the samples.The sample containing 6% PLF (polytetrafluoroethylene) and 8% vermiculite demonstrated superior overall tribological performance.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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