MétaCan
Menu
Retour à la cohorte
Enregistrement W2553453371 · doi:10.1109/coase.2016.7743381

A 3D-printed portable microindenter for mechanical characterization of soft materials

2016· article· en· W2553453371 sur OpenAlexaff
Chen Zhao, Qiyang Wu, Tyler Clancy, Xinyu Liu

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueForce Microscopy Techniques and Applications
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésPolydimethylsiloxaneIndentation3d printedMaterials scienceRepeatabilityRobustness (evolution)Mechanical systemMechanical engineeringSoft materialsData acquisitionComputer scienceComposite materialBiomedical engineeringEngineeringNanotechnology

Résumé

récupéré en direct d'OpenAlex

In this paper, we report a 3D-printed portable microindenter for measuring the mechanical properties of soft materials. The system is composed of three major components: (i) a Z-axis stage, (ii) a force-sensing indentation probe, and (iii) a data acquisition and control system. We construct most of the system parts (including the force sensing probe) by 3D printing, and perform mechanical design and analysis to guarantee the mechanical robustness of the system. The system is capable of performing high-precision, non-destructive material indentation testing with displacement and force sensing resolutions as low as 0.625 μm and 73 μN, respectively. The force-deformation data obtained during indentation are used to determine the mechanical characteristics of a soft material sample based on a Hertz's mechanical model. We also integrate several user-friendly features into the system, including a touch screen and customized software for convenient user-machine interactions. Using the microindenter, we perform elastic testing of polydimethylsiloxane (PDMS) with three base/curing agent ratios (w/w), and achieve consistent results of the materials' Young's moduli in good agreement with the previous results reported in the literature. This proves that our 3D-printed microindenter, although being custom-made and low-cost, maintains the accuracy and repeatability required for soft material testing.

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)0,001
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
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 savante0,0000,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 GPT0,259
Écart entre enseignants0,252 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetForce Microscopy Techniques and ApplicationsTravaux en français237 207