MétaCan
Menu
Retour à la cohorte
Enregistrement W2150862675 · doi:10.1109/tepm.2006.874964

Effects of Fluid Properties on Dispensing Processes for Electronics Packaging

2006· article· en· W2150862675 sur OpenAlexaff
Daniel Chen, Hongqin Ke

Notice bibliographique

RevueIEEE Transactions on Electronics Packaging Manufacturing · 2006
Typearticle
Langueen
DomaineEngineering
ThématiqueInjection Molding Process and Properties
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceElectronicsElectronic packagingPrinted circuit boardCoatingEpoxySurface tensionAdhesiveIntegrated circuit packagingProcess engineeringComposite materialMechanical engineeringIntegrated circuitEngineeringElectrical engineeringOptoelectronics

Résumé

récupéré en direct d'OpenAlex

The fluid dispensing process has been widely employed in electronics packaging manufacturing to deliver fluid materials (such as epoxy, encapsulant, adhesive) on substrates or printed circuit boards (PCBs) for the purpose of die attachment, encapsulation, coating, or surface mounting. In this process, the fluid properties such as How behavior, surface tension, and contact angle can have a significant influence on the How rate of the fluid dispensed and the profile of fluid formed on the substrate or PCB, thereby affecting the quality of electronics packaging. At present, massive measurements are always required to characterize the fluid properties by using specific instruments, and the procedure of measuring is time-consuming. This paper presents a method upon which the fluid properties and their influence on the dispensing process can be readily identified from a few measurements of the process. By experiments, this method was proven to be not only cost and time effective but also promising for the investigation into the effects of fluid properties on the dispensing process.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
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 seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
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 Opus0,007
Tête enseignante GPT0,191
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 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

Citations54
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Electronics Packaging ManufacturingMême sujetInjection Molding Process and PropertiesTravaux en français237 207