MétaCan
Menu
Retour à la cohorte
Enregistrement W7116071585 · doi:10.82417/gj4e-n361

Precision machining of glass in the submillimeter scale using thermochemically-assisted grinding

2025· other· en· W7116071585 sur OpenAlexaff

Notice bibliographique

RevueEspace ÉTS (ETS) · 2025
Typeother
Langueen
Domaine
Thématique
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesnon disponible
Mots-clésMachiningGrindingAbrasiveSurface micromachiningIsotropic etchingThermalGrindPotassium hydroxideAbrasive machining

Résumé

récupéré en direct d'OpenAlex

The mechanical, optical, and thermal properties of glass make it well-adapted for use in Micro-Electromechanical Systems, optics, and microfluidics. However, micromachining glass and other SiO2-based materials poses significant challenges due to their hardness and brittleness. Mechanical, thermal, and chemical machining processes face constraints related to processing speed, feature precision, and high costs. Additionally, the demand for glass microsystems is growing, and there is a lack of processes adapted to small-batch production and rapid prototyping of sub-millimeter scale glass parts.Spark-Assisted Chemical Engraving (SACE), or Electro-Chemical Discharge Machining, is a hybrid machining process combining chemical and thermal effects to remove material. A tool-electrode applies electrochemical discharges near a nonconductive workpiece submerged in an electrolytic solution, accelerating the chemical etching through localized heating. This process removes material with minimal damage.In the past years it was proposed to use abrasive tool-electrodes for simultaneous material removal through electrochemical discharges and mechanical grinding, improving material removal rates, while conserving the advantages of SACE, such as the absence of material redeposition and good surface quality. While some studies demonstrate the synergy between grinding and thermochemical etching, understanding the underlying mechanism of this hybrid machining process remains limited. This work aims to better characterize the interactions of the two material removal mechanisms and thus define a range of operating parameters to improve processing speed, reliability and cutting quality.Borosilicate glass workpieces were submerged in 27% (wt.) potassium hydroxide (KOH). The tool-electrode, a 0.8 mm diameter diamond-coated grinding bit with cobalt binder, was used to grind and apply electrochemical discharges to create 0.8-mm wide channels in the workpiece. The effects of varying machining voltage, tool rotation speed, feed rate and depth of cut were studied. The measured response parameters were machining force, surface roughness and frequency of chipping of the material. Different cutting regimes were identified based on the relative intensity of the mechanical and chemical attacks.It was found that the proposed thermochemically-assisted grinding process produces better surface quality with less chipping than grinding alone. In conventional machining, machining forces on the tool increase linearly with material removal rate (MRR). When electrochemical attack is combined with mechanical grinding, this relation is no longer linear; machining forces do not intervene at all for lower MRR and are greatly reduced at higher MRR.It was shown that thermochemically-assisted grinding offers higher processing speed than SACE, improving potential for economically viable manufacturing of millimeter-scale glass parts in small batches.

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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

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 ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,021
Tête enseignante GPT0,287
Écart entre enseignants0,266 · 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
GenreMéthodes

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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEspace ÉTS (ETS)Travaux en français237 207