MétaCan
Menu
Retour à la cohorte
Enregistrement W3015770464 · doi:10.5772/intechopen.91979

Sustainable Advanced Manufacturing of Printed Electronics: An Environmental Consideration

2020· book-chapter· en· W3015770464 sur OpenAlexaff
Bilge Nazli Altay, M. Bolduc, Sylvain G. Cloutier

Notice bibliographique

RevueIntechOpen eBooks · 2020
Typebook-chapter
Langueen
DomaineEngineering
ThématiqueAdvanced Sensor and Energy Harvesting Materials
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesTürkiye Bilimsel ve Teknolojik Araştırma Kurumu
Mots-clésElectronicsManufacturing engineeringEngineeringBusinessElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Printing technologies have become a novel and disruptive innovation method of manufacturing electronic components to produce a diverse range of devices including photovoltaic cells, solar panels, energy harvesters, batteries, light sources, and sensors on really thin, lightweight, and flexible substrates.In traditional electronic manufacturing, a functional layer must be deposited, typically through a chemical vapor or physical vapor process for a copper layer for circuitry production.These subtractive techniques involve multiple production steps and use toxic etching chemicals to remove unwanted photoresist layers and metals.In printing, the same functional material can be selectively deposited only where it is needed on the substrate via plates or print heads.The process is additive and significantly reduces not only the number of manufacturing steps, but also the need for energy, time, consumables, as well as the waste.Thereby, printing has been in the focus for many applications as a green, efficient, energy-saving, environmentally friendly manufacturing method.This chapter presents a general vision on green energy resources and then details printed electronics that consolidates green energy and environment relative to traditional manufacturing system.

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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,058

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0030,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0170,013

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 Opus0,010
Tête enseignante GPT0,202
Écart entre enseignants0,193 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreSynthèse

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

En bref

Citations12
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIntechOpen eBooksMême sujetAdvanced Sensor and Energy Harvesting MaterialsTravaux en français237 207