Determination of optimal alkaline treatment conditions for fique fiber bundles as reinforcement of composites materials
Bibliographic record
Abstract
Desde hace un par de décadas, las fibras naturales son en una importante alternativa como refuerzo de materiales compuestos reciclables e incluso biodegradables. Pese a combinar ventajas técnicas, económicas y ambientales, su carácter hidrofílico es su principal barrera al incorporarlas en matrices poliméricas hidrofóbicas como las poliolefinas. Algunas modificaciones superficiales de carácter físico y químico, se han empleado en las fibras. Estos tratamientos a la par que reducen la tendencia hidrofílica, mejoran el desempeño de la interfase fibra/matriz. El tratamiento alcalino o mercerización se considera uno de los más importantes. Pese a los estudios que se han realizado sobre este proceso, persiste la necesidad de definir condiciones de aplicación para este tratamiento que brinden una adecuada combinación de desempeño mecánico con un reducido impacto sobre el medio ambiente a costos razonables. En el presente trabajo, se reporta una apropiada condición de tratamiento alcalino que equilibra bajas concentraciones de hidróxido de sodio con un buen comportamiento mecánico. Los parámetros considerados son: concentración de la solución, tiempo de exposición y tipo de secado. La espectroscopia infrarroja FTIR, la microscopía óptica (OM) y de fuerza atómica (AFM) indican que aún en estas condiciones de tratamiento la fibra experimenta cambios sobre su estructura y comportamiento.
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 | 0.001 |
| 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".