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 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)0,000
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
Métarecherche0,0000,000
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 ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,016
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 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

Citations7
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

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