MétaCan
Menu
Retour à la cohorte
Enregistrement W1978661805 · doi:10.1063/1.3480991

Magnetic microrheometer for <i>in situ</i> characterization of coating viscosity

2010· article· en· W1978661805 sur OpenAlexaff
Jin‐Oh Song, Robert Henry, Ryan Jacobs, Lorraine F. Francis

Notice bibliographique

RevueReview of Scientific Instruments · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueCharacterization and Applications of Magnetic Nanoparticles
Établissements canadiensNexen (Canada)
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceIn situCharacterization (materials science)CoatingViscosityComposite materialNanotechnologyPhysics

Résumé

récupéré en direct d'OpenAlex

A magnetic microrheometer has been designed to characterize the local viscosity of liquid-applied coatings in situ during solidification. The apparatus includes NdFeB magnets mounted on computer-controlled micropositioners for the manipulation of ∼1 μm diameter superparamagnetic particles in the coating. Magnetic field gradients at 20-70 T/m are generated by changing magnet size and the gap distance between the magnets. A specimen stage located between two magnets is outfitted with a heater and channels to control process conditions (temperature and air flow), and a digital optical microscope lens above the stage is used to monitor the probe particle position. Validation studies with glycerol and polyimide precursor solution showed that microrheometry results match traditional bulk rheometry within an error of 5%. The viscosities of polyvinyl alcohol (PVA) solution and polyimide precursor solution coatings were measured at different shear rates (0.01-5 s(-1)) by adjusting the magnetic field gradient. The effect of proximity to the substrate on the particle motion was characterized and compared with theoretical predictions. The magnetic microrheometer was used to characterize the time-viscosity profile of PVA coatings during drying at several temperatures. The viscosity range measured by the apparatus was 0.1-20 Pa s during drying of coatings at temperatures between room temperature and 80 °C.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,083
Score d'incertitude au seuil0,309

Scores Codex et Gemma par catégorie

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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,010
Tête enseignante GPT0,232
Écart entre enseignants0,223 · 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 tête enseignante, 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

Citations7
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReview of Scientific InstrumentsMême sujetCharacterization and Applications of Magnetic NanoparticlesTravaux en français237 207