MétaCan
Menu
Retour à la cohorte
Enregistrement W2040871942 · doi:10.1109/memsys.2009.4805480

MEMS-Based Batch-Mode Micro-Electro-Discharge Machining using Microelectrode Arrays Actuated by Hydrodynamic Force

2009· article· en· W2040871942 sur OpenAlexafffund
Chakravarty Reddy Alla Chaitanya, Kenichi Takahata

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Machining and Optimization Techniques
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMicroelectrodeMaterials scienceCapacitanceElectrodeMicroelectromechanical systemsMachiningElectrical discharge machiningSurface micromachiningPlanarVoltageOptoelectronicsLayer (electronics)Composite materialElectrical engineeringFabricationMetallurgyEngineeringComputer science

Résumé

récupéré en direct d'OpenAlex

This paper reports a batch-mode micro-electro-discharge machining technique that is enabled by the actuation of the suspended microelectrode arrays fabricated on the workpiece using the flow of the machining fluid. The electrode devices are microfabricated to be the double-layer construction that has 25-mum-thick copper electrodes with custom patterns on the bottom of the 18-mum-thick planar structures suspended above the workpiece surfaces. The built-in capacitance of the electrode device is utilized to construct a resistance-capacitance pulse generation/timing circuit. The suspended planar electrodes are advanced into the workpiece material with the hydrodynamic force while sustaining high-frequency discharge pulses, removing the workpiece material. Arrays of microstructures with 26-mum depth were machined in stainless steel using the machining voltage of 90 V. The dynamic behavior of the built-in capacitance of the double-layer electrode devices with the actuation was experimentally evaluated.

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: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

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 savante0,0000,000
Science ouverte0,0000,000
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 Opus0,005
Tête enseignante GPT0,240
Écart entre enseignants0,236 · 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

Citations6
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetAdvanced Machining and Optimization TechniquesTravaux en français237 207