MétaCan
Menu
Retour à la cohorte
Enregistrement W4393315924 · doi:10.20944/preprints202403.1713.v1

All Screen Printed and Flexible Silicon Carbide NTC Thermistors for Temperature Sensing Applications

2024· preprint· en· W4393315924 sur OpenAlexaff
Arjun Wadhwa, Jaime Benavides Guerrero, Mathieu Gratuze, M. Bolduc, Sylvain G. Cloutier

Notice bibliographique

RevuePreprints.org · 2024
Typepreprint
Langueen
DomaineEngineering
ThématiqueElectrical and Thermal Properties of Materials
Établissements canadiensUniversité du Québec à Trois-RivièresÉcole de Technologie Supérieure
Organismes subventionnairesnon disponible
Mots-clésThermistorSilicon carbideMaterials scienceScreen printingSiliconOptoelectronicsElectrical engineeringComposite materialEngineering

Résumé

récupéré en direct d'OpenAlex

In this study, Silicon Carbide (SiC) nano-particle based serigraphic printing inks were formulated to fabricate highly sensitive and wide temperature range SiC printed thermistors. Initially, commercial silver ink was screen printed to fabricate inter-digitated electrodes (IDE’s) onto flexible Kapton® substrate via screen printing. Thermistor inks with different weight ratios of SiC nano- particles dispersed in polyimide resin matrix were fabricated. The SiC-polyimide temperature sensing inks were screen printed atop the IDE structures to form fully printed thermistors and encapsulated with a adhesive backed polyimide film for humidity inhibition. The high temperature tolerance of the Kapton® allowed the the sensors to be tested over a wide temperature range form 25◦C to 170◦C. The printed SiC thermistors exhibit excellent repeatability and stability over 15 hours of continuous operation. Optimal device performance was achieved with 30 wt.% SiC-polyimide ink. We report highly sensitive devices with a temperature coefficient of Resistance (TCR) of -0.556 %/◦C, a thermal coefficient of 502 K (β-index) and an activation energy of 0.08 eV which are comparable with printed thermistors previous reported. Further, the thermistor demonstrates an accuracy of ±1.35◦C which is well within the range offered by commercially available high sensitivity thermistors. SiC thermistors exhibit a small 6.5% drift due to changes in relative humidity between 10-90 %RH and a 4.2 % drift in baseline resistance after 100 cycles of aggressive bend testing at a 40°angle. The use of commercially available low cost materials, simplicity of design and fabrication techniques coupled with the chemical inertness of the Kapton® substrate and SiC nanoparticles paves the way to use all-printed SiC thermistors towards a wide range of applications where temperature monitoring is vital for optimal system performance.

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 enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
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 recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,066
Tête enseignante GPT0,297
Écart entre enseignants0,230 · 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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePreprints.orgMême sujetElectrical and Thermal Properties of MaterialsTravaux en français237 207