Caracterización morfológica de fibras proce-dentes de materias primas no convencionales para la fabricación de pasta de papel
Bibliographic record
Abstract
Motivacion: En la actualidad se producen en el mundo alrededor de 2.500 millones de toneladas de residuos agricolas, que podrian ser revalorizados como recursos renovables, a fin de obtener componentes especificos o energia. Una de estas aplicaciones es el empleo de estos como materia prima no convencional en la fabricacion de papel y carton. Este proyecto estudia el uso de residuos de la poda de naranjo dulce (Citrus x sinensis) como materia prima para la fabricacion de papel, cuyos objetivos son la determinacion del metodo de pasteado optimo, la evolucion del impacto del refino y la caracterizacion morfologica de las fibras. Metodos: Se han analizado seis muestras de pasta humeda a partir de residuos de la poda de naranjo dulce, sometidos a distintos metodos de pasteado, procediendose a un desfibrado de las pastas, determinacion de la humedad, desintegracion, filtracion, refino, determinacion de la modificacion de las caracteristicas de desgote y drenaje y analisis de la morfologia de las fibras. Resultados: Se ha estudiado la influencia del refino y el pasteado en la caracterizacion morfologica de las fibras en relacion al numero de fibras, longitud, anchura, peso unitario, porcentaje de microfibrillas, porcentaje de puntas rotas y curvatura media de las mismas. Conclusiones: Las pastas obtenidas a partir de restos de poda de naranjo dulce, previamente al refino, se caracterizan por la escasa interaccion entre las fibras, lo que implica una escasa capacidad de retencion de agua y debilidad de la red fibrosa. Como resultado de la experimentacion se demuestra que el refino solventa este problema cuando la pasta es cocida con reactivos quimicos. Asimismo, se muestra que el factor determinante en la medicion de la capacidad de retencion de agua es la naturaleza del reactivo empleado. Por ultimo, la caracterizacion morfologica mediante MorFi, junto al Canadian Standard Method, muestra que el refino afecta mas a la fibrilacion que al acortamiento y retorcimiento de las fibras.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".