MétaCan
Menu
Retour à la cohorte
Enregistrement W4220924431 · doi:10.3390/mi13040525

Fabrication and Characterization of the Micro-Heater and Temperature Sensor for PolyMUMPs-Based MEMS Gas Sensor

2022· article· en· W4220924431 sur OpenAlexaff
Abdullah Saleh Algamili, Mohd Haris Md Khir, Abdelaziz Yousif Ahmed, Almur A. S. Rabih, Saeed S. Ba Hashwan, Sami Sultan Alabsi, Osamah Lutf Qaid Al-Mahdi, Usman Isyaku Bature, Mawahib Gafare Ahmed, Muhammad Junaid

Notice bibliographique

RevueMicromachines · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueGas Sensing Nanomaterials and Sensors
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesUniversiti Teknologi Petronas
Mots-clésMicroelectromechanical systemsFabricationMaterials scienceCharacterization (materials science)NanotechnologyOptoelectronics

Résumé

récupéré en direct d'OpenAlex

This work describes the fabrication and characterization of a Micro-Electro-Mechanical System (MEMS) sensor for gas sensing applications. The sensor is based on standard PolyMUMPs (Polysilicon Multi-Users MEMS Process) technology to control the temperature over the sensing layer. Due to its compact size and low power consumption, micro-structures enable a well-designed gas-sensing-layer interaction, resulting in higher sensitivity compared to the ordinary materials. The aim of conducting the characterization is to compare the measured and calculated resistance values of the micro-heater and the temperature sensor. The temperature coefficient of resistance (TCR) of the temperature sensor has been estimated by raising and dropping the temperature throughout a 25-110 °C range. The sensitivity of these sensors is dependent on the TCR value. The temperature sensor resistance was observed to rise alongside the rising environmental temperatures or increasing voltages given to the micro-heater, with a correlation value of 0.99. When compared to the TCR reported in the literature for the gold material 0.0034 °C-1, the average TCR was determined to be 0.00325 °C-1 and 0.0035 °C-1, respectively, indicating inaccuracies of 4.6% and 2.9%, respectively. The variation between observed and reported values is assumed to be caused by the fabrication tolerances of the design dimensions or material characteristics.

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: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,005
Tête enseignante GPT0,182
Écart entre enseignants0,177 · 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

Citations21
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMicromachinesMême sujetGas Sensing Nanomaterials and SensorsTravaux en français237 207