MétaCan
Menu
Retour à la cohorte
Enregistrement W2892332002

Rapid Prototyping of Meso-Scale Fluidic Devices and Masters for PDMS Molding

2014· article· en· W2892332002 sur OpenAlexaff
Nadia Tehranchi, Bonnie L. Gray

Notice bibliographique

RevueCMBES Proceedings · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrofluidic and Capillary Electrophoresis Applications
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésFluidicsRapid prototypingMicrofabricationMicrofluidicsMolding (decorative)Materials sciencePolydimethylsiloxaneFabricationInterconnectionLithographySoft lithographyMechanical engineeringNanotechnologyEngineering drawingEngineeringOptoelectronicsElectrical engineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

We describe a new and simple fabrication method that enables inexpensive and rapid prototyping of meso-scale fluidic systems and interconnect structures between micro- and mesoscale fluidic devices. Devices and systems are designed using simple CAD software and printed in a few minutes using an inexpensive MakerBot 3D printer. Printed structures are used directly or as a master for molding of polydimethylsiloxane (PDMS) structures via soft lithography. Using this method, input and output ports, and interfaces to a meso-scale fluidic board or between meso-scale fluidic components, can be placed with high geometric versatility. Our method offers a costeffective alternative to prototyping of meso-fluidic systems using conventional microfabrication, or using injection-molding/conventional machining of polymers. This paper introduces the MakerBot 3D printer for prototyping of meso-scale fluidic structures and shows a demonstration of interconnect between MakerBot-printed and PDMS structures. Initial results show that the cylinder and hole interconnect structures result in a reversible mechanical and fluidic bond.

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)0,001
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,007
Tête enseignante GPT0,193
Écart entre enseignants0,186 · 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

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCMBES ProceedingsMême sujetMicrofluidic and Capillary Electrophoresis ApplicationsTravaux en français237 207