MétaCan
Menu
Retour à la cohorte
Enregistrement W2000197993 · doi:10.1115/icnmm2014-22203

Sensitivity Analysis of the Response of a Gas Sensor in a Microfluidic-Based Gas Analyzer

2014· article· en· W2000197993 sur OpenAlexaff
Vahid Ghafarinia, Mina Hoorfar

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Chemical Sensor Technologies
Établissements canadiensUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésSpectrum analyzerSensitivity (control systems)Gas analyzerSIGNAL (programming language)HumidityMaterials scienceResponse timeChannel (broadcasting)MicrofluidicsGas detectorElectronic engineeringComputer scienceElectrical engineeringEngineeringDetectorNanotechnologyChemistryPhysics

Résumé

récupéré en direct d'OpenAlex

Gas sensors have been used as the detection unit of gas analyzers. A low-cost and easy to fabricate gas analyzer can be made by integration a general purpose gas sensor with a microfluidic channel on a polymer substrate. However, ambient fluctuations influence the gas sensor characteristics and operation. In essence, these devices are vulnerable to drift since the interaction of the sensing pallet of the gas sensor with the surrounding air is a temperature- and humidity-dependent process which introduces drift terms to the output signal. These drift terms can also be considered as a controllable input while the sensor itself is considered as a multiple input and output system. In the present study, a methodology based on statistical techniques is introduced to perform the sensitivity analysis and to determine the contribution of each of the input parameters in the output response of the sensor used in a gas analyzer. A regression model is also applied to predict the response of the sensor to the temperature, humidity and the gas concentration values that have not been experimentally tested. Also, the effect of these environmental conditions on the three mentioned factors is studied using design of experiments (DOX) methods.

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)0,001
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 enseignants0,045
Score d'incertitude au seuil0,349

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
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 Opus0,006
Tête enseignante GPT0,211
Écart entre enseignants0,205 · 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

Citations2
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Chemical Sensor TechnologiesTravaux en français237 207