Revêtements nanocomposites à haute teneur en solide cuits aux ultraviolets pour les couvre-planchers en bois
Bibliographic record
Abstract
Les revêtements à haute teneur en solide cuits aux ultraviolets sont présentement utilisés par la très grande majorité des industries produisant des couvre-planchers en bois pré-vernis. Leurs propriétés mécaniques exceptionnelles, de même que leur vitesse de cuisson nettement plus élevée que celle des autres types de revêtements, expliquent leur grande popularité. Or, il est possible d’obtenir des propriétés mécaniques, entre autres, encore plus impressionnantes par l’addition de différents renforts. Dans ce projet, des oxydes métalliques nanométriques (oxyde d’aluminium et oxyde de zirconium) de même que des argiles modifiées avec des groupements organiques ont été ajoutés à une formulation acrylate typique de l’industrie des revêtements de couvre- planchers en bois. Les nanoparticules ont été ajoutées et dispersées dans cette formulation à l’aide de différents appareils de dispersion : mélangeur haute vitesse, moulin à billes (bead mill), moulin à balles (ball mill) et moulin trois rouleaux (three roll mill). Suite à la préparation des revêtements nanocomposites, la taille des particules dans la matrice polymère a été étudiée à l’aide de différents appareils. Pour les oxydes métalliques, la diffusion dynamique de la lumière a été utilisée. Pour ce qui est argiles, la diffraction des rayons X aux petits angles a quant à elle été employée. Dans les deux cas, nous avons eu recours à la microscopie électronique à transmission afin de supporter ces données. Quelques essais supplémentaires tels des mesures de stabilité et de viscosité sont aussi venus supporter les résultats obtenus. L’addition de nanoparticules affecte généralement la cuisson des revêtements UV. La spectroscopie infrarouge en temps réel (RT-FTIR) de même que la photo-calorimétrie (photo-DSC) ont été employées afin d’étudier les changements apportés à la cuisson suite à l’addition de nanoparticules. Finalement, les propriétés optiques (brillance, voile, couleur et clarté optique) et mécaniques (dureté, résistance à l’abrasion, résistance à l’égratignure, résistance à l’impact et à l’impact inverse) des différentes formulations ont été étudiées. Pour les formulations préparées à base d’argile, une analyse de variance (ANOVA) a été réalisée afin de vérifier si la concentration de l’argile de même que la façon dont celle-ci a été ajoutée à la formulation de base affectent les propriétés finales des revêtements.
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) | 0.002 | 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".