MétaCan
Menu
Retour à la cohorte
Enregistrement W3163051946 · doi:10.4236/jectc.2021.102002

Best Practices for Thermal Modeling in Microelectronics with Natural Convection Cooling: Sensitivity Analysis

2021· article· en· W3163051946 sur OpenAlexafffund
Mamadou Kabirou Touré, Papa Momar Souaré, Julien Sylvestre

Notice bibliographique

RevueJournal of Electronics Cooling and Thermal Control · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueHeat Transfer and Optimization
Établissements canadiensInstitut interdisciplinaire d'innovation technologiqueUniversité de Sherbrooke
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaInternational Business Machines Corporation
Mots-clésMicroelectronicsNatural convectionHeat transferConvectionThermalMaterials scienceHeat transfer coefficientForced convectionMechanicsThermal conductivitySensitivity (control systems)Convective heat transferMechanical engineeringMeteorologyEngineeringElectronic engineeringPhysicsComposite materialOptoelectronics

Résumé

récupéré en direct d'OpenAlex

A detailed sensitivity study was carried out on various key parameters from a high precision numerical model of a microelectronic package cooled by natural convection, to provide rules for the thermal modeling of microelectronic packages subjected to natural convection heat transfer. An accurate estimate of the junction temperature, with an error of less than 1˚C, was obtained compared to the experimental data for the vertical and horizontal orientations of the test vehicle in the JEDEC Still Air configuration. The sensitivity study showed that to have an accurate estimate of the temperature, the following elements should be present in the thermal model: radiation heat transfer in natural convection cooling; a computational fluid dynamics analysis to find realistic convection coefficients; detailed models of the high conductivity elements in the direction of the heat flow towards the environment; and finally precise values for the thicknesses of layers and the thermal properties of the substrate and the printed circuit board.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,316
Score d'incertitude au seuil0,609

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,013
Tête enseignante GPT0,237
Écart entre enseignants0,224 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations4
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Electronics Cooling and Thermal ControlMême sujetHeat Transfer and OptimizationTravaux en français237 207