Diseño y selección de cuchillas para el proceso de trituración de neumáticos y análisis de costos de fabricación
Bibliographic record
Abstract
Para la reutilización de los neumáticos de vehículos, se presenta un proceso llamado trituración, el cual permite reciclar y aprovechar los distintos materiales para uso de diversas aplicaciones industriales. El diseño básico del sistema de trituración de neumáticos mediante cuchillas eficientes fue considerado como alternativa de solución a la problemática de varios sectores empresariales, que aún no han reutilizado el material. El objetivo de la investigación persigue el diseño y selección de cuchillas para el proceso de trituración de neumáticos y análisis de costos de fabricación. Por consiguiente, se analizaron propiedades mecánicas típicas del caucho en el proceso de corte, y fueron comparadas las alternativas económicas de cuchillas para el establecimiento de un proceso adecuado de trituración de neumáticos. Cada una de las alternativas comparadas difiere en características mecánicas y naturaleza del material muy difundidos en el medio local como el caso de ASTM- A36, SAE -1045, y SAE- S1, siendo el primer material el más económico y recomendado, siempre y cuando se utilice la alternativa de diseño según el modelo de flancos curvos, con deformación máxima en promedio de 0.0202mm. Se concluye con un costo de fabricación bajo independientemente que varíe el diseño de la cuchilla, en todo caso se debe realizar tratamiento térmico. El sistema de trituración fue dimensionado de tal manera que se traten neumáticos desalambrados, típicos en vehículos pequeños, por ser muy numerosos ya que existen menos casos de reencauche. La investigación se convierte en una alternativa sustentable y factible para la industria mediana y pequeña que tiene a bien ofertar productos a base de material reciclado como el caucho.
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
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".