MétaCan
Menu
Retour à la cohorte
Enregistrement W4312854237 · doi:10.31399/asm.cp.itsc2018p0179

Pin Fin Array Heat Sinks by Cold Spray Additive Manufacturing: Economics of Powder Recycling

2018· article· en· W4312854237 sur OpenAlexaff
J. Perry, P. Richer, B. Jodoin, E. Matte

Notice bibliographique

RevueThermal spray · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueHigh-Temperature Coating Behaviors
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésGas dynamic cold sprayMaterials scienceHeat sinkRaw materialProcess engineeringWork (physics)Process (computing)Deposition (geology)Metal powderMechanical engineeringCoatingComposite materialMetallurgyComputer scienceEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract As a result of the rise in processing power demands of today’s personal computers, water cooled pin fin heat sinks are increasingly being employed for the cooling of graphical processing units. Currently, these high performance devices are manufactured through high-cost, high-waste processes. In recent years, a new solution has emerged using the cold gas dynamic spray process, in which pin fins are directly manufactured onto a base plate by spraying metallic powder particles through a mask. This process allows for a high degree of adaptability to different graphics processing unit shapes and sizes not achievable by any other process to date. One drawback of this new additive manufacturing process is reduced deposition efficiency, resulting in a fair portion of the feedstock powder being wasted as substrate sensitivity to heat and mechanical residual stresses requires the use of reduced spray parameters. This work aims to demonstrate the feasibility of using powder recycling to mitigate this issue and compares coatings sprayed with reclaimed powder to their counterparts sprayed with as-received powder. In so doing, cold gas dynamic spray is shown to be a highly flexible and economically competitive process for the production of pin fin heat sinks even when spray parameters result in reduced deposition efficiency.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,008
Tête enseignante GPT0,211
Écart entre enseignants0,203 · 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'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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThermal sprayMême sujetHigh-Temperature Coating BehaviorsTravaux en français237 207