MétaCan
Menu
Retour à la cohorte
Enregistrement W3184361231 · doi:10.1002/admt.202100356

Advances in Coaxial Additive Manufacturing and Applications

2021· article· en· W3184361231 sur OpenAlexafffund
Mohammad Rafiee, Floriane Granier, Daniel Therriault

Notice bibliographique

RevueAdvanced Materials Technologies · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing and 3D Printing Technologies
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésCoaxialMechanical engineeringNozzleExtrusionEngineeringElectronicsMaterials scienceComputer scienceNanotechnologyElectrical engineeringComposite material

Résumé

récupéré en direct d'OpenAlex

Abstract Coaxial additive manufacturing (AM) is an emerging technology involving the simultaneous deposition of two or more materials with a common longitudinal axis. It has the potential to overcome the disadvantages associated with conventional single‐material AM for the production of core‐shell or multi‐core‐shell multimaterial structures. The coaxial AM techniques can be classified into extrusion and material jetting technologies. The extrusion‐based technologies rely on the co‐extrusion of multiple materials through a coaxial nozzle whereas the material jetting technologies are based on the introduction of a high voltage electric field between a coaxial nozzle and a grounded collector plate. This review is aimed to provide a comprehensive overview of multimaterial coaxial AM, including the technologies, nozzle designs, materials, and applications. The advances in coaxial AM and the benefits of this novel technology in various fields are highlighted. For instance, in biomedicine coaxial AM offers an exciting alternative to single‐material bioprinting for the fabrication of bio‐scaffolds and vascular networks as well as for tissue engineering and cell encapsulations. Coaxial AM is also a subject of growing interest in the fields of flexible sensors, e‐textiles, and printed electronics. Perspectives on the limitations, existing challenges, opportunities, and future directions for further development are also provided.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0100,005

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 Opus0,005
Tête enseignante GPT0,219
Écart entre enseignants0,214 · 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'étudeSans objet
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

Citations39
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

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