MétaCan
Menu
Retour à la cohorte
Enregistrement W4312140550 · doi:10.3390/foods11244111

Progress in Extrusion-Based Food Printing Technology for Enhanced Printability and Printing Efficiency of Typical Personalized Foods: A Review

2022· review· en· W4312140550 sur OpenAlexaff
Xiuxiu Teng, Chunli Li, Arun S. Mujumdar, Min Zhang

Notice bibliographique

RevueFoods · 2022
Typereview
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing and 3D Printing Technologies
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clés3D printingPersonalizationScope (computer science)InkwellProcess engineeringManufacturing engineeringDigital printingRecipeComputer scienceEngineeringEngineering drawingMechanical engineeringFood scienceWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

Three-dimensional printing technology enables the personalization and on-demand production of edible products of individual specifications. Four-dimensional printing technology expands the application scope of 3D printing technology, which controllably changes the quality attributes of 3D printing products over time. The concept of 5D/6D printing technology is also gradually developing in the food field. However, the functional value of food printing technology remains largely unrealized on a commercial scale due to limitations of printability and printing efficiency. This review focuses on recent developments in breaking through these barriers. The key factors and improvement methods ranging from ink properties and printer design required for successful printing of personalized foods (including easy-to-swallow foods, specially shaped foods, and foods with controlled release of functional ingredients) are identified and discussed. Novel evaluation methods for printability and printing precision are outlined. Furthermore, the design of printing equipment to increase printing efficiency is discussed along with some suggestions for cost-effective commercial printing.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,917
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
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 Opus0,042
Tête enseignante GPT0,316
Écart entre enseignants0,274 · 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.

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

Citations27
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFoodsMême sujetAdditive Manufacturing and 3D Printing TechnologiesTravaux en français237 207