MétaCan
Menu
Retour à la cohorte
Enregistrement W1893043363

Control of mixing process in a novel micro-mixer

2012· article· en· W1893043363 sur OpenAlexaff
Behzad Otrodi, Mohammad Eghtesad, Mojatba Mahzoon, Saeid Movahed

Notice bibliographique

RevueInternational Conference on Control, Automation and Systems · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrofluidic and Capillary Electrophoresis Applications
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésMixing (physics)Zeta potentialMechanicsRange (aeronautics)Materials scienceProcess (computing)Control theory (sociology)Computer scienceNanotechnologyPhysicsComposite materialControl (management)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

There are many different types of micro-mixers which have been designed to enhance mixing efficiency of fluid flow in micro-channels. The output of micro-channels integrated with micro-mixers in some cases may need to be in a certain range. In this article we design a new type of micro-mixer by utilizing conductive surfaces and walls with variable zeta potential. Interaction of the induced charged electro-kinetic (ICEK) phenomenon (due to existence of conductive surfaces) and producing diverse electro-osmotic boundary velocity (because of presence of walls with changeable zeta potential) together lead to increase mixing efficiency of the system significantly. Numerical simulation are performed to analyze the system and the results show that by using this micro-mixer with different zeta potential applied to walls, we can have a wide range of mixing efficiency between 30% and 85%. Moreover, we applied a fuzzy logic controller (FLC) to the system to manage the percentage of mixing efficiency within this range. This controller based on desired mixing efficiency; determine the amount of zeta potential on each wall and thus we can reach the amount of required mixing efficiency.

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,251
Écart entre enseignants0,234 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Conference on Control, Automation and SystemsMême sujetMicrofluidic and Capillary Electrophoresis ApplicationsTravaux en français237 207