MétaCan
Menu
Retour à la cohorte

Understanding Post Finishing Performance of Xerographic Prints

2012· article· en· W4378447686 sur OpenAlexaff
Guiqin Song, Gordon Sisler, Suxia Yang, Kurt Halfyard, Ed Zwartz

Notice bibliographique

RevueTechnical programs and proceedings/Technical program and proceedings · 2012
Typearticle
Langueen
DomaineMaterials Science
ThématiqueSurface Modification and Superhydrophobicity
Établissements canadiensXerox (Canada)
Organismes subventionnairesnon disponible
Mots-clésAdhesiveAdhesionResidual oilMaterials sciencePressure sensitiveCoatingReagentResidualComposite materialNanotechnologyChemistryComputer scienceLayer (electronics)Organic chemistry

Résumé

récupéré en direct d'OpenAlex

Xerographic digital presses have been used for the production of a variety of publications. Some of these applications may employ hot melt adhesives or pressure sensitive adhesives. However, good adhesion can be hard to achieve with xerographic prints due to the presence of residual fuser release agents on the surface of prints. Also this adhesion problem is very complex since the release agent and paper coating chemistries, fusing process, post-finishing materials and processes are all involved. Thus, it is important to understand the chemistry of release reagent and the surface topography and chemistry of substrates as well as the interaction between them. A method to predict the general adhesion properties of the xerographic prints and their behavior towards finishing operations was developed. It was found that the residual oil on the surface of the prints affects the finishing performance. When the surface coverage of oil is above a certain threshold, post finishing problems appear. The surface coverage of oil depends not only on the oil rate per copy but also on the molecular structure of the oil as well as the substrates.

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 seuil0,003

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 savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,082
Tête enseignante GPT0,276
Écart entre enseignants0,194 · 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

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTechnical programs and proceedings/Technical program and proceedingsMême sujetSurface Modification and SuperhydrophobicityTravaux en français237 207