3D Printing-Based Integrated Water Quality Sensing System
Notice bibliographique
Résumé
The online and accurate monitoring of drinking water supply networks is critically in demand to rapidly detect the accidental or deliberate contamination of drinking water. At present, miniaturized water quality monitoring sensors developed in the laboratories are usually tested under ambient pressure and steady-state flow conditions; however, in Water Distribution Systems (WDS), both the pressure and the flowrate fluctuate. In this paper, an interface is designed and fabricated using additive manufacturing or 3D printing technology-material extrusion (Trade Name: fused deposition modeling, FDM) and material jetting-to provide a conduit for miniaturized sensors for continuous online water quality monitoring. The interface is designed to meet two main criteria: low pressure at the inlet of the sensors and a low flowrate to minimize the water bled (i.e., leakage), despite varying pressure from WDS. To meet the above criteria, a two-dimensional computational fluid dynamics model was used to optimize the geometry of the channel. The 3D printed interface, with the embedded miniaturized pH and conductivity sensors, was then tested at different temperatures and flowrates. The results show that the response of the pH sensor is independent of the flowrate and temperature. As for the conductivity sensor, the flowrate and temperature affect only the readings at a very low conductivity (4 µS/cm) and high flowrates (30 mL/min), and a very high conductivity (460 µS/cm), respectively.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».