Home Technology Erkennung und Kompensation von Vergiftung durch Siloxane auf Halbleitergassensoren im temperaturzyklischen Betrieb
Article Publicly Available

Erkennung und Kompensation von Vergiftung durch Siloxane auf Halbleitergassensoren im temperaturzyklischen Betrieb

  • Caroline Schultealbert EMAIL logo , Tobias Baur , Tilman Sauerwald and Andreas Schütze
Published/Copyright: August 28, 2020

Zusammenfassung

Wir präsentieren eine Untersuchung zur Auswirkung, Erkennung und Kompensation von Vergiftung durch Siloxane auf Halbleitergassensoren im temperaturzyklischen Betrieb. Mit dem in Innenräumen häufig anzutreffenden OMCTS (Octamethylcyclotetrasiloxan) wird ein auf Zinndioxid basierender Halbleitergassensor (AS-MLV-P2) gezielt in mehreren Schritten vergiftet (bis max. 9,77 ppm h) und regelmäßig mit Hilfe von randomisierten Gasangeboten am Beispiel von Innenraumluftqualität charakterisiert. Durch die differenzielle Oberflächenreaktion - eine spezielle Form des Temperaturzyklus basierend auf dem Sauerwald-Baur-Modell - können wir zeigen, dass die Reaktionsrate auf dem Sensor durch die Vergiftung stark abnimmt. Gleichzeitig kann durch die umgekehrte Betrachtung dieses Betriebes - der differenziellen Oberflächenoxidation - der Vergiftungs-Zustand des Sensors quantitativ bestimmt werden und die erhaltenen Sensorsignale für kleine Vergiftungen korrigiert werden.

Abstract

We present a study on siloxane poisoning on metal oxide semiconductor gas sensors in temperature cycled operation focussing on detection and compensation. The frequently found siloxane OMCTS (Octamethylcyclotetrasiloxane) is used to deteriorate the sensor in several steps (max. dosage 9.77 ppm h) which is frequently characterized by randomized gas exposures representing indoor air quality measurements. With the differential surface reduction - a special form of the temperature cycle based on the Sauerwald-Baur-Model - we show that the reaction rate on the sensor surface lowers with siloxane exposure. At the same time the inverted operation - the differential surface oxidation - allows to determine this deterioration quantitatively and to compensate the sensor signals for low dosages.

1 Einleitung

Durch ihre außerordentliche Sensitivität auf eine Vielzahl von Gasen sind Halbleitergassensoren für unterschiedlichste Anwendungen wie die Messung von Gerüchen oder gesundheitsschädlichen Substanzen, die Prozessüberwachung oder die Bewertung der Innenraumluftqualität anhand der TVOC-Konzentration (engl. total volatile organic compounds) sehr gut geeignet [10]. Aus demselben Grund sind sie allerdings anfällig für irreversible Veränderungen der sensitiven Schicht [7]. Bekannt sind hierfür beispielsweise Siloxan-Verbindungen, die nach der Reaktion dauerhaft auf der Sensoroberfläche z.B. in Form von SiO2 verbleiben [11] und so den Sensor schädigen. Diese Verbindungen sind in alltäglichen Produkten wie Reinigungsmitteln und Körperpflegeprodukten sowie Druckerzeugnissen weit verbreitet [12], sodass sie in den meisten Anwendungen in der Umgebungsluft zu erwarten sind. In Innenräumen trifft dies insbesondere auf cyclische Siloxane wie Octamethylcyclotetrasiloxan (OMCTS) oder Decamethylcyclopentasiloxan zu, die in Studien mit P90 oder P95 Perzentilen im Bereich einiger 10 μg/m3 (entspricht 0,8 ppb unter Annahme der molaren Masse von OMCTS) angetroffen werden [11].

Eine Erkennung oder besser noch Kompensation dieses Einflusses ist entsprechend erwünscht und in sicherheitsrelevanten Anwendungen notwendig und wurde z.B. aus Basis von Impedanzspektroskopie bereits gezeigt [14]. Die Auswirkungen auf bei konstanter Temperatur betriebenen Sensoren wurden bereits ausführlich untersucht, festgestellt wurde dabei eine starke Abnahme der Sensitivität der Sensoren, lediglich für Wasserstoff konnten Zunahmen der Sensitivität beobachtet werden, was auf verschiedene Weisen erklärt wurde (unterschiedliche Reaktions- bzw. Adsorptionszentren [16], Filterung durch eine Siliziumdioxidschicht [6] und Akkumulation von Wasserstoff in dieser [9]). Studien zu Temperaturzyklen und dem DSR-Verfahren (engl. differential surface reduction), welches wir in der Vergangenheit entwickelt und vorgestellt haben [1, 2], sind kaum vorhanden (ein Beispiel ist [13]). Kürzlich präsentierten wir eine Untersuchung hierzu [15], allerdings wurden hierbei lediglich sehr starke Vergiftungen bei hohen Konzentrationen des in der Raumluft eher unübliche HMDSO (Hexamethyldisiloxan) verwendet [11]. Die hier vorgestellte Studie ist nicht nur umfangreicher sondern verwendet außerdem das in Innenräumen häufiger anzutreffende Siloxan OMCTS (Octamethylzyklotetrasiloxan) in relevanten Konzentrationen [11].

2 Methoden

2.1 Sensormodell

Gemäß des Sauerwald-Baur-Modells für Halbleitergassensoren im temperaturzyklischen Betrieb (TCO, engl. temperature cycled operation, Beschreibung des Modells in [2]) kann die Quantifizierung reduzierender Gase über das DSR-Signal erfolgen. Die Vorteile dieser Datenauswertung liegen in der Linearität und Superposition des erhaltenen Merkmals. Notwendig ist hierfür lediglich eine spezielle Form des TCO, wie in Abb. 1 zu sehen, wobei der Sensor bei einer hohen Temperatur von 400 – 450°C stark oxidiert wird. Dieser Zustand bleibt während eines schnellen Temperatursprungs auf eine niedrigere Temperatur (100 – 300°C)) erhalten, sodass der Sensor sich in einem starken Ungleichgewicht (erhöhte Oxidation der Oberfläche) befindet. Je nach Konzentration der umgebenden reduzierenden Gase, wird dieses Ungleichgewicht abgebaut, für kurze Zeit nach der Temperaturänderung ist die Geschwindigkeit dieses Prozesses zur Steigung des logarithmierten Leitwerts ddtln(G) und zur Konzentration des reduzierenden Gases proportional. Durch die Behandlung mit HMDSO beobachteten wir eine Abnahme dieses Merkmals für alle untersuchten Gase [15].

Abb. 1 Verlauf des logarithmierten Sensorleitwerts ln(G) innerhalb eines Temperaturzyklus in verschiedenen Stadien der Vergiftung unter der gleichen Gasatmosphäre. Die dynamischen Anteile (Steigungen und Relaxationen auf den Temperaturstufen) nehmen mir fortschreitender Vergiftung ab.
Abb. 1

Verlauf des logarithmierten Sensorleitwerts ln(G) innerhalb eines Temperaturzyklus in verschiedenen Stadien der Vergiftung unter der gleichen Gasatmosphäre. Die dynamischen Anteile (Steigungen und Relaxationen auf den Temperaturstufen) nehmen mir fortschreitender Vergiftung ab.

Neben der Reduktion der Sensoroberfläche (Reaktion des zu messenden Gases auf der Sensoroberfläche) spielt auch die Rate der Oxidation dieser Oberfläche eine entscheidende Rolle für die Eigenschaften der Schicht als Sensor. Beobachtet werden kann diese durch Umkehr des DSR-Betriebs zur differenziellen Oberflächenoxidation (DSO, engl. differential surface oxidation). Wobei hier keine Anpassung des TCO notwendig ist, sondern lediglich die Hochtemperaturphase, während der die Sensoroberfläche oxidiert wird, betrachtet wird. Da dieser Prozess schneller ist und durch das häufige Fehlen eines konstanten Gleichgewichtszustandes am Ende der niedrigen Temperaturphase einen nicht gleichbleibenden Startpunkt besitzt, bietet sich hier die Auswertung der Zeitkonstante τ aus dem Verlauf von ln(G) an. In [15] beobachteten wir bereits, dass diese Oxidationsrate durch die Vergiftung mit HMDSO ähnlich stark beeinflusst wird, woraus sich auch die an anderer Stelle beobachtete Zunahme der Sensitivität für Wasserstoff erklären lässt, da die Sensitivität stets auf dem Verhältnis zwischen Oxidation und Reduktion der Oberfläche beruht.

2.2 Experimentelles

Für die hier gezeigte Auswertung wurde ein AS-MLV-P2 Sensor der ams Sensors Germany GmbH verwendet, in der Messung enthalten waren 5 weitere Halbleitergassensoren deren Ergebnisse den hiesigen Rahmen sprengen würden. Die elektrische Ansteuerung des Sensors erfolgt mittels einer selbst entwickelten Hardware, sie beinhaltet neben einer digitalen Widerstands-Regelung des Heizers eine logarithmische Verstärkerschaltung zum Auslesen der sensitiven Schicht [3]. Aus diesem Grund kann der gemessene ADC-Wert (engl. analog digital converter) direkt für die Auswertung herangezogen werden. Der Temperaturzyklus (Abb. 1) besteht aus mehreren Sprüngen von hoher zu niedriger Temperatur, wobei die hohe Temperatur von 400°C jeweils für 10 s gehalten wird (Oxidation der Oberfläche) und die niedrigen Temperaturen (100°C, 150°C, 200°C, 250°C, 300°C) jeweils für 14 s gehalten werden (Reduktion der Oberfläche), was eine Gesamtdauer von 120 s ergibt. Die Abtastrate beträgt 250 Hz. Für die Datenauswertung auf niedriger Temperatur (DSR-Signal) wurde beispielhaft für 200°C händisch ausgewählt, auf welchem Abschnitt Linearität vorliegt (58 s, 080–58 s, 400 s) und eine Anpassung der Form f (x) = p1x + p2 durchgeführt. Eine Auswertung des ganzen Zyklus ist lediglich für den Erhalt einer Selektivität oder für das Training einer komplexen Datenauswertung (Regressionen wie Partial Least Squares Regression oder Klassifikationen wie die Lineare Diskriminanzanalyse) notwendig, weswegen hier darauf verzichtet wird. Die Ergebnisse für die anderen Temperaturstufen sind vergleichbar mit den hier gezeigten. Die Datenauswertung auf hoher Temperatur (DSO-Signal) wurde auf Basis der ersten Hochtemperaturphase durchgeführt, wobei der für die Anpassung der Form f(x)=c1exp(xτ)+c2ausgewählte Zeitabschnitt vom Vergiftungszustand des Sensors abhängt (0,008 s – 8,000 s).

Die Messungen wurden in unseren Gasmischanlagen (GMA) bestehend aus mehreren MFCs (engl. mass flow controller) und Ventilen durchgeführt, wobei für die Charakterisierungsmessungen auch Vorverdünnungslinien eingesetzt wurden [8]. Die Prüfgase werden aus Zylindern bereitgestellt, OMCTS und Feuchte werden inWaschflaschen generiert. Die Berechnung der OMCTS-Konzentration erfolgt auf Basis des Dampfdrucks von 95 Pa [5]. Die Vergiftung erfolgt bei einer Konzentration von 2 ppm OMCTS über eine Dauer von jeweils 0,5 – 3 h bis zu einer Gesamtdosis von 24 ppm h. Gezeigt sind hier Messungen bis 9,77 ppm h, da der Sensor zu diesem Zeitpunkt bereits vollständig geschädigt ist. Bei einer angenommenen Konzentration von insgesamt 30 μg/m3 Siloxanen entspricht diese Dosis einer Laufzeit von etwa einem halben Jahr.

Die gasmesstechnische Charakterisierung der Sensoren erfolgte zu Beginn und nach jeder Vergiftung mit einem randomisierten Messprofil (vgl. [4]), wobei stets alle angeschlossenen Gase zugleich bei einer zufällig ausgewählten Konzentration im definierten Bereich über eine Zeit von 20 Minuten angeboten wurden (Feuchte 30−70%RH,Wasserstoff 500 − 2300 ppb, Kohlenstoffmonoxid 40 − 1750 ppb, Aceton 0 − 800 ppb, Ethanol 0 − 700 ppb, Acetaldehyd 0 − 900 ppb, Toluol 0 − 1200 ppb). Die Auswahl von Gasen und Konzentrationen orientiert sich hierbei an der Anwendung TVOC-Messung für Innenräume. Der Vorteil solcher randomisierter Messungen ist eine möglichst realitätsnahe und statistisch gut verteilte Datenbasis. 50 solcher Mischungen wurden definiert und bilden ein konstantes Charakterisierungsprofil, um die fortschreitende Schädigung der Sensoren reproduzierbar beurteilen zu können.

3 Ergebnisse

Abbildung 1 zeigt aufgenommene Sensorzyklen in verschiedenen Stadien der Vergiftung für ein ausgewähltes Gasangebot der randomisierten Messung. Der Sensorleitwert wird durch die Vergiftung zu höheren Werten verschoben, was insbesondere im Gleichgewicht auf hoher Temperatur zu beobachten ist, da auf der niedrigen Temperatur die Veränderung der Dynamik diesen Effekt deutlich überlagert. Es ist erkennbar, dass diese dynamischen Anteile des Zyklus, die Relaxationen auf niedriger und hoher Temperatur, mit der Vergiftung stark abnehmen beziehungsweise langsamer werden, das heißt es finden weniger Reaktionen auf der Sensoroberfläche statt.

Dies zeigt sich auch in den Quantifizierungseigenschaften des DSR-Signals, das in Abb. 2 für die gleichen Vergiftungsstadien wie zuvor über den Verlauf der randomisierten Messung gezeigt ist, wobei die Gesamtkonzentration der angebotenen Gase durch die Stärke der grauen Schattierung angezeigt wird. Der Korrelationskoeffizient zwischen diesem bei einer Temperatur erhaltenen DSR-Signal und der Gesamtkonzentration aller angebotenen Gase beträgt etwa 0,9. Das Signal nimmt bereits für die ersten kleinen Vergiftungsschritte bis 1,37 ppm h ab, die Qualität der Korrelation bleibt jedoch bis einschließlich 1,37 ppm h nahezu identisch. Bereits ab 3,17 ppm h liegt das Signal in einem anderen Wertebereich, neben diesem Offset wird auch der Signalhub also die Sensitivität kleiner und das Signal-Rausch-Verhältnis schlechter (logarithmische y-Skalierung), ohne eine Rekalibrierung ist eine Quantifizierung unmöglich. Der Korrelationskoeffizient sinkt für diese Vergiftungsstufe bereits auf 0,7 beziehungsweise 0,6 bei 5,04 ppm h aufgrund von unterschiedlich stark betroffenen Reaktionen (ansteigende Korrelationskoeffizienten des Sensorsignals können beispielsweise für Ethanol beobachtet werden). Für die Vergiftungsstufen ab 6,84 – 9,77 ppm h wird mit diesem Sensor und in diesem Betriebsmodus kein von der Gasatmosphäre abhängiges Signal erhalten, ein Sensoraustausch ist unumgänglich.

Abb. 2 DSR-Signal bei einer Sensortemperatur von 200°C in verschiedenen Stadien der Vergiftung über die Dauer einer randomisierten Messung mit 50 Gasangeboten, wobei die Gesamtkonzentration durch die Stärke der grauen Schattierung angegeben ist, die Zuordnung von Linienfarbe und Siloxan-Dosis ist identisch zu Abb. 1 und Abb. 3.
Abb. 2

DSR-Signal bei einer Sensortemperatur von 200°C in verschiedenen Stadien der Vergiftung über die Dauer einer randomisierten Messung mit 50 Gasangeboten, wobei die Gesamtkonzentration durch die Stärke der grauen Schattierung angegeben ist, die Zuordnung von Linienfarbe und Siloxan-Dosis ist identisch zu Abb. 1 und Abb. 3.

Abb. 3 Histogramme der Zeitkonstante der Oxidation der Oberfläche (DSO-Signal) für verschiedene Stadien der Vergiftung, eine Quantifizierung des Schädigungszustandes ist insbesondere für kleine Dosen möglich.
Abb. 3

Histogramme der Zeitkonstante der Oxidation der Oberfläche (DSO-Signal) für verschiedene Stadien der Vergiftung, eine Quantifizierung des Schädigungszustandes ist insbesondere für kleine Dosen möglich.

Abbildung 3 zeigt Histogramme des DSO-Signals, der Zeitkonstante der Oxidation der Oberfläche auf hoher Temperatur. Da der Oxidationsprozess durch die Vergiftung verlangsamt wird, erhöht sich die Zeitkonstante bei Vergiftung deutlich. Die Breiten der Verteilungen nehmen mit zunehmender Vergiftung zu (logarithmische x-Skalierung), sodass insbesondere kleine Dosen bis 5,04 ppm h OMCTS gut voneinander getrennt werden können. Da bereits bei dieser Vergiftung starke Qualitätseinbußen des DSR-Signals zu beobachten sind, ist dies der für die Erkennung und Kompensation relevante Bereich.

Werden in Abb. 4 beide Signale (DSO und DSR) in Relation gesetzt, wird deutlich, dass neben der Indikation eines Sensortauschs bei Überschreiten eines festgelegten Vergiftungsgrades auch eine Kompensation des quantifizierenden DSR-Signals möglich ist, da beide Signale in einen funktionellen Zusammenhang gebracht werden können. Der gefundene Zusammenhang zwischen der relativen Abnahme der beiden Signale ist eine Exponentialfunktion der Form ΔDSR = 1,06· exp(−0,060·Δτ ). Auch in dieser Auftragung wird deutlich, dass aufgrund der Streuung der Punkte die Kompensation vorwiegend für geringe Vergiftungsdosen erfolgsversprechend ist.

Abb. 4 Relative Abnahme des DSR-Signals aufgetragen über die relative Zunahme des DSO-Signals, mit Hilfe der angepassten Exponentialfunktion ist eine Kompensation des quantifizierenden DSR-Signals möglich.
Abb. 4

Relative Abnahme des DSR-Signals aufgetragen über die relative Zunahme des DSO-Signals, mit Hilfe der angepassten Exponentialfunktion ist eine Kompensation des quantifizierenden DSR-Signals möglich.

Die Anwendung dieses funktionellen Zusammenhangs auf Messwerte ist in Abb. 5 gezeigt. Dabei wurde ein Mittelwert τ0 zur Berechnung der relativen Zunahme des DSO-Signals herangezogen sowie der im betrachteten Zyklus gemessene DSO- und DSR-Wert. Die unvergifteten Messwerte werden unter dieser Anwendung nicht verfälscht, die Daten der ersten beiden Vergiftungen 1,0 – 1,37 ppm h liegen nach der Anwendung dieser Kompensation innerhalb der unvergifteten Messwerte. Für die nächst stärkere Vergiftung bei 3,17 ppm h treten bereits signifikante Abweichungen auf.

Abb. 5 Kompensation der Kennlinie durch den in Abb. 4 gefundenen funktionellen Zusammenhang, die ersten beiden Vergiftungen bis 1,37 ppm h werden nahezu exakt auf die unvergifteten Werte projiziert, für 3,17 ppm h treten bereits signifikante Abweichungen auf.
Abb. 5

Kompensation der Kennlinie durch den in Abb. 4 gefundenen funktionellen Zusammenhang, die ersten beiden Vergiftungen bis 1,37 ppm h werden nahezu exakt auf die unvergifteten Werte projiziert, für 3,17 ppm h treten bereits signifikante Abweichungen auf.

4 Zusammenfassung und Ausblick

Wie wir bereits für HMDSO gezeigt haben [15], konnten wir auch für OMCTS eine generelle Abnahme aller Reaktionsraten auf einem Halbleitergassensor in Folge von Vergiftung feststellen. Das DSR-Verfahren zeigt sich aus diesem Grund insbesondere empfindlich auf die Einflüsse von Siloxanen, bietet aber gleichzeitig durch die Messung der Oxidationsrate eine Möglichkeit zur quantitativen Bestimmung des Sensorzustands sowie zur Kompensation der Vergiftung - bis zu einer Dosis von maximal 3,17 ppm h. Die dadurch zu erzielende Genauigkeit sowie die Anwendbarkeit dieser Kompensationsmethode auf andere Sensoren und Alterungsmechanismen sind Gegenstand weiterer Untersuchungen.

Literatur

[1] T. Baur, A. Schütze und T. Sauerwald. Optimierung des temperaturzyklischen Betriebs von Halbleitergassensoren. tm - Technisches Messen, 82(4):187–195, jan 2015. 10.1515/teme-2014-0007.10.1515/teme-2014-0007Search in Google Scholar

[2] T. Baur, C. Schultealbert, A. Schütze und T. Sauerwald. Novel method for the detection of short trace gas pulses with metal oxide semiconductor gas sensors. Journal of Sensors and Sensor Systems, 7(1):411–419, may 2018. 10.5194/jsss-7-411-2018.10.5194/jsss-7-411-2018Search in Google Scholar

[3] T. Baur, C. Schultealbert, A. Schütze und T. Sauerwald. Device for the detection of short trace gas pulses. tm - Technisches Messen, 85(7-8):496–503, jul 2018. 10.1515/teme-2017-0137.10.1515/teme-2017-0137Search in Google Scholar

[4] T. Baur, M. Bastuck, C. Schultealbert, A. Schütze und T. Sauerwald. Effiziente und effektive Gassensorkalibrierung mit randomisierten Gasmischungen. Dresdner Sensor-Symposium 2019, 14:90–95, dec 2019. 10.5162/14dss2019/6.3.10.5162/14dss2019/6.3Search in Google Scholar

[5] P. Colonna, N. R. Nannan, A. Guardone und E. W. Lemmon. Multiparameter equations of state for selected siloxanes. Fluid Phase Equilibria, 244(2):193–211, Jun. 2006. 10.1016/j.fluid.2006.04.015.10.1016/j.fluid.2006.04.015Search in Google Scholar

[6] J. Kelleter. Künstliche Nase für gasförmige Emissionen aus unvollständiger Verbrennung: Aufbau und Erprobung eines Multi-Gassensor-Systems, PhD thesis, JLU Gießen. Dissertation, JLU Gießen, Aachen, 1997.Search in Google Scholar

[7] G. Korotcenkov und B. Cho. Instability of metal oxide-based conductometric gas sensors and approaches to stability improvement (short survey). Sensors and Actuators B: Chemical, 156(2):527–538, aug 2011. 10.1016/j.snb.2011.02.024.10.1016/j.snb.2011.02.024Search in Google Scholar

[8] M. Leidinger, C. Schultealbert, J. Neu, A. Schütze und T. Sauerwald. Characterization and calibration of gas sensor systems at ppb level—a versatile test gas generation system. Measurement Science and Technology, 29(1):015901, jan 2018. ISSN 0957-0233. 10.1088/1361-6501/aa91da. URL https://iopscience.iop.org/article/10.1088/1361-6501/aa91da10.1088/1361-6501/aa91daSearch in Google Scholar

[9] X. Meng, Q. Zhang, S. Zhang und Z. He. The Enhanced H2 Selectivity of SnO2 Gas Sensors with the Deposited SiO2 Filters on Surface of the Sensors. Sensors, 19(11):2478, may 2019. 10.3390/s19112478.10.3390/s19112478Search in Google Scholar PubMed PubMed Central

[10] H. Nazemi, A. Joseph, J. Park und A. Emadi. Advanced Micro- and Nano-Gas Sensor Technology: A Review. Sensors, 19(6):1285, mar 2019. 10.3390/s19061285.10.3390/s19061285Search in Google Scholar PubMed PubMed Central

[11] C. Rücker und K. Kümmerer. Environmental Chemistry of Organosiloxanes. Chemical Reviews, 115(1):466–524, jan 2015. 10.1021/cr500319v.10.1021/cr500319vSearch in Google Scholar PubMed

[12] D. Rüffer, F. Hoehne und J. Bühler. New digital metal-oxide (MOx) sensor platform. Sensors (Switzerland), 18(4), 2018. 10.3390/s18041052.10.3390/s18041052Search in Google Scholar PubMed PubMed Central

[13] M. Schüler, T. Sauerwald und A. Schütze. A novel approach for detecting HMDSO poisoning of metal oxide gas sensors and improving their stability by temperature cycled operation. Journal of Sensors and Sensor Systems, 4(2):305–311, oct 2015. 10.5194/jsss-4-305-2015.10.5194/jsss-4-305-2015Search in Google Scholar

[14] M. Schüler, T. Schneider, T. Sauerwald und A. Schütze. Impedance based detection of HMDSO poisoning in metal oxide gas sensors. Technisches Messen, 84(11), 2017. 10.1515/teme-2017-0002.10.1515/teme-2017-0002Search in Google Scholar

[15] C. Schultealbert, I. Uzun, T. Baur, A. Schütze und T. Sauerwald. Siloxan-Behandlung von Halbleitergassensoren im temperaturzyklischen Betrieb – Sensitivität und Selektivität. Dresdner Sensor-Symposium 2019, 14:176–181, dec 2019. 10.5162/14dss2019/P2.04.10.5162/14dss2019/P2.04Search in Google Scholar

[16] D. E. Williams und K. F. E. Pratt. Classification of reactive sites on the surface of polycrystalline tin dioxide. Journal of the Chemical Society, Faraday Transactions, 94(23):3493– 3500, 1998. 10.1039/a807644h.10.1039/a807644hSearch in Google Scholar

Published Online: 2020-08-28
Published in Print: 2020-09-25

© 2020 Walter de Gruyter GmbH, Berlin/Boston

Articles in the same Issue

  1. Frontmatter
  2. Editorial
  3. XXXIV. Messtechnisches Symposium
  4. Beiträge
  5. Detektion der Auflagestege von Flachbett-Laserschneidmaschinen mittels Nahinfrarot-Beleuchtung
  6. Lichtfeld-Tiefenschätzung für die Vermessung teilspiegelnder Oberflächen
  7. Ganzheitliche Kalibrierung von Gewinden auf Basis eines dreidimensionalen Ansatzes
  8. Analyse von 3D-CT-Aufnahmen von Spänen zur Extrahierung der Segmentspanbildungsfrequenz
  9. Resolution enhancement through nearfield-assistance in interference microscopy
  10. Fertigung polymerer optischer Phasenplatten zur Erzeugung von Ringmoden mittels direkter Laserlithografie
  11. Direct-imaging DOEs for high-NA multi-spot confocal microscopy
  12. Methoden zur Minimierung des Rauscheinflusses durch Hitzeflimmern bei einem heterodynen Laser-Doppler-Vibrometer
  13. Inverse piezoelectric material parameter characterization using a single disc-shaped specimen
  14. Klassifikation von Grübchenschäden an Zahnrädern mittels Vibrationsmessungen
  15. Incorporation of phase information for improved time-dependent instrument recognition
  16. Akustische Zeitumkehrfokussierung in Wasser mittels FPGA-basierter Plattform
  17. De-Embedding-Ansatz zur Messung nichtidealer Kapazitäten mit kommerziellen Kapazitätssensoren
  18. Low-cost Indirect Measurement Methods for Self-x Integrated Sensory Electronics for Industry 4.0
  19. Reconfigurable Wide Input Range, Fully-Differential Indirect Current-Feedback Instrumentation Amplifier with Digital Offset Calibration for Self-X Measurement Systems
  20. A Compact Four Transistor CMOS-Design of a Floating Memristor for Adaptive Spiking Neural Networks and Corresponding Self-X Sensor Electronics to Industry 4.0
  21. Monte-Carlo-Methode zur Verringerung von Messfehlern bei der Materialparameterbestimmung mit Hohlraumresonatoren
  22. Bestimmung des Anregungsspektrums für kontaktlose breitbandige Messungen der Übertragungsfunktion mit Plasmaanregung und Laser-Doppler-Vibrometrie
  23. Self-sufficient vibration sensor for high voltage lines
  24. Flexibler organischer elektrochemischer Transistor als Biosensor für Organ-on-a-Chip
  25. Erkennung und Kompensation von Vergiftung durch Siloxane auf Halbleitergassensoren im temperaturzyklischen Betrieb
Downloaded on 31.12.2025 from https://www.degruyterbrill.com/document/doi/10.1515/teme-2020-0041/html
Scroll to top button