MétaCan
Menu
Retour à la cohorte
Enregistrement W1994600416 · doi:10.1115/1.2952821

Drawback During Deposition of Overlapping Molten Wax Droplets

2008· article· en· W1994600416 sur OpenAlexafffund
Ri Li, Nasser Ashgriz, S. Chandra, John R. Andrews, James C. Williams

Notice bibliographique

RevueJournal of Manufacturing Science and Engineering · 2008
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing and 3D Printing Technologies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaXerox Foundation
Mots-clésCoalescence (physics)Dimensionless quantityWaxMaterials scienceSurface tensionWeber numberMechanicsDrop (telecommunication)Deposition (geology)DrumDrop impactFlashingComposite materialThermodynamicsReynolds numberWettingTurbulenceMetallurgy

Résumé

récupéré en direct d'OpenAlex

Two overlapping droplets impacting on a solid surface coalesce and recoil so that the edges of the droplets are drawn back, a phenomenon called drawback. A series of experiments were conducted on the merging of two overlapping wax droplets deposited on an aluminum drum to characterize the drawback process between the two droplets. Drum temperature, droplet overlap ratio, and the time interval between impacts of droplets were varied. Wax bumps, formed by coalescence of two droplets on the drum surface, were photographed and their length and width measured. An aspect ratio and dimensionless drawback index, quantifying the extent of drawback, were calculated from these measurements. When drum temperature is increased, or the time interval between impacts of the two droplets is reduced, there is more drawback and the ink bumps become round, since the cooling rate of droplets is slower and droplets have a longer time to change shape due to surface tension. A simple heat transfer model was developed to predict changes in droplet-cooling rate with changes in droplet overlap, substrate temperature, or time interval (deposition frequency). Experiments were also conducted on the formation of lines by depositing 20 droplets. Measurements on the drawback of two droplets were used to predict conditions under which broken lines are obtained.

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 enseignants0,368
Score d'incertitude au seuil0,666

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,008
Tête enseignante GPT0,192
Écart entre enseignants0,184 · 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

Citations33
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Manufacturing Science and EngineeringMême sujetAdditive Manufacturing and 3D Printing TechnologiesTravaux en français237 207