MétaCan
Menu
Retour à la cohorte
Enregistrement W4378174268 · doi:10.1088/1361-6439/acd8c3

Fabrication of low-cost MEMS microfluidic devices using metal embossing technique on glass for lab-on-chip applications

2023· article· en· W4378174268 sur OpenAlexaff
P. Madhankumar, L. Sujatha, R. Sundar, G. Viswanadam

Notice bibliographique

RevueJournal of Micromechanics and Microengineering · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueNanofabrication and Lithography Techniques
Établissements canadiensMicrosemi (Canada)
Organismes subventionnairesnon disponible
Mots-clésEmbossingFabricationMaterials scienceMicroelectromechanical systemsWaferMicrofluidicsLayer (electronics)Substrate (aquarium)Manufacturing costPlating (geology)ChipNanotechnologyMechanical engineeringComposite materialEngineeringElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract This paper discusses a low-cost technology for the fabrication of microfluidic devices on glass substrate using metal embossing technique. The fabrication technique demonstrated is a much simpler approach of embossing on glass using thermo-compression process with a patterned metal layer to define device structure. Well established printed circuit board fabrication photo-process is used to realize the desired planar geometry on metal layer deposited over a glass substrate. The depth of the channel is defined by the thickness of the metal deposited by electro-plating. The embossing technology offers a relatively safer approach conducive to batch processing to enable repeatable, high-yield, low-cost devices fabricated using low-cost equipment. Major challenges of achieving adhesion of the deposited thick nickel layer without peel-off and control of the thermo-compression process to achieve reliable and repeatable embossing without structural distortions were addressed. To prove its suitability for manufacturing, experiments were carried out with full wafer of 6″ × 6″ square glass wafer and optimal process steps for low-cost microfluidic device manufacturing have been well established.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,735
Score d'incertitude au seuil0,843

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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)0,0000,000

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 Opus0,016
Tête enseignante GPT0,252
Écart entre enseignants0,236 · 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'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

Citations7
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Micromechanics and MicroengineeringMême sujetNanofabrication and Lithography TechniquesTravaux en français237 207