MétaCan
Menu
Retour à la cohorte
Enregistrement W2760626915 · doi:10.1002/admt.201700178

Aerosol‐Jet Printed Fillets for Well‐Formed Electrical Connections between Different Leveled Surfaces

2017· article· en· W2760626915 sur OpenAlexaff
Yuan Gu, Daniel R. Hines, V. Yun, Michael Antoniak, Siddhartha Das

Notice bibliographique

RevueAdvanced Materials Technologies · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing and 3D Printing Technologies
Établissements canadiensLockheed Martin (Canada)
Organismes subventionnairesnon disponible
Mots-clésFillet (mechanics)Materials scienceFabricationComposite materialCuring (chemistry)NanotechnologyTemperature cyclingProcess engineeringThermalEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract As additive manufacture becomes more prevalent in the fabrication of advanced electronics, there is a need to create well‐formed, robust circuitization, and interconnects between components mounted onto different leveled surfaces (DLSs). Here, an algorithm is developed for aerosol‐jet printing of fillet structures that enable such a circuitization and hence a smooth electrical transition between the DLSs. The fillets are printed using an ultraviolet‐curable polymer ink in the presence of in situ curing. A specific deposition rate is established in order to ensure a precise architecture. Further, a surface smoothing technique is employed to smooth out the stepped surface topology of a fillet resulting from the layer‐by‐layer printing of in situ cured material. Finally, it is ascertained that the performance of these printed fillets is highly satisfactory by carrying out the resistance measurements of the conducting lines printed over these fillet structures both before and after temperature cycling and establishing the mechanical stability of the fillets by employing an adhesion test. This technology ensures that the fillets not only establish a mechanical integration/attachment of the two DLSs, but more importantly that they also provide a well‐formed surface onto which an electrical connection between these two DLSs can be established.

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 enseignants0,002
Score d'incertitude au seuil0,005

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)0,0020,001

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 Opus0,024
Tête enseignante GPT0,265
Écart entre enseignants0,241 · 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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvanced Materials TechnologiesMême sujetAdditive Manufacturing and 3D Printing TechnologiesTravaux en français237 207