舒海濤1，劉治華1，梁帥2，李洋1，徐剛1，張瑞根1
1. 鄭州大學機械與動力工程學院，鄭州 450001 ； 2. 廣東順德創(chuàng)新設計研究院，廣東佛山 528311
摘要：針對微流控芯片在注射成型過程中出現(xiàn)的翹曲變形現(xiàn)象，選取環(huán)烯烴類共聚物(COC)材料，結合模具溫度、熔體溫度、保壓壓力、保壓時間、注塑壓力5個工藝參數(shù)設計正交試驗。采用灰色關聯(lián)分析法對正交試驗結果進行了分析，通過Moldflow模擬分析工藝參數(shù)對微流控芯片注射成型翹曲變形的影響，運用信噪比對實驗結果進行處理，并采用灰色關聯(lián)度模型分析各工藝參數(shù)對芯片翹曲變形的影響程度。將正交試驗極差分析結果與灰色關聯(lián)分析法所得結果進行比較，發(fā)現(xiàn)灰色關聯(lián)分析法所得結果優(yōu)于極差分析的結果，得出影響COC芯片翹曲變形的順序從大到小為熔體溫度、模具溫度、保壓壓力、保壓時間、注塑壓力，并得到最優(yōu)工藝參數(shù)為模具溫度120℃、熔體溫度265℃、保壓壓力100MPa、保壓時間14s、注塑壓力125 MPa。該方法能有效提高制品質量，經(jīng)優(yōu)化后收縮不均翹曲變形量降低了29.76%。
關鍵詞：微流控芯片；工藝參數(shù)優(yōu)化；翹曲變形；正交試驗；灰色關聯(lián)度分析
微流控技術最初源于微機電系統(tǒng)在微量流體操控方面的研究，于20世紀90年代初形成[1]。微流控芯片具有低消耗、快速分析、微型化和自動化等特點，被列為21世紀最為重要的前沿技術[2]，更被福布斯評為“影響人類未來世界15件最重要的發(fā)明之一”[3–4]。
硅、玻璃與聚合物是微流控芯片的主要材料[5]，其中聚合物具有透光性高、生物相容性好、可批量生產(chǎn)、成本低等優(yōu)點，是加工制造微流控芯片最有前景的材料。目前，制作聚合物微流控芯片的主要方法有熱壓成型法[6]、UV-LIGA[7]和注射成型法[8]等。 芯片在注射成型過程中會出現(xiàn)多種成型缺陷，微通道復制度是影響芯片使用性能最重要的指標，翹曲變形、收縮變形、表面縮痕等宏觀缺陷對芯片的鍵合質量有著重要影響。
國內外學者對芯片微通道的復制形貌進行了一定的研究，B. Sha[9]等研究了料筒溫度、模具溫度、注射速度和一種幾何因素 ( 微結構之間的距離 ) 對微注射成型復制度的影響；宋滿倉等[10]研究分析了成型工藝參數(shù)對微通道復制不完全和表面縮痕兩種缺陷的影響；蔣炳炎等[11]研究了注塑工藝參數(shù)對微圓柱透鏡陣列復制度的影響。
但目前，對微流控芯片注射成型過程中出現(xiàn)的宏觀缺陷如翹曲變形的相關研究卻鮮有報道，翹曲變形過大會嚴重影響芯片的鍵合質量和微滴生成實驗，因此筆者對環(huán)烯烴類共聚物(COC)芯片的翹曲變形進行模擬分析，優(yōu)化了翹曲變形工藝參數(shù)，為COC芯片的后續(xù)成功熱壓鍵合奠定基礎。
01 模型的建立和分析
1.1 微流控芯片模型建立及網(wǎng)格劃分
首先利用solidworks三維軟件建立微流控芯片的幾何模型，微流控芯片模型結構見圖1，最大輪廓尺寸為76mmx26mmx1.9mm，芯片的基片上表面設有三排規(guī)格不同的儲液池，其直徑分別為4.4mm，3.0mm，5.2mm。
將幾何模型保存為stl文件通過軟件接口導入到Moldflow軟件中進行網(wǎng)格劃分。為減小網(wǎng)格縱橫比和提高網(wǎng)格匹配百分比，先利用CAD doctdor對模型進行簡化和幾何修復處理，去除芯片四周小圓角和基片上表面的Logo標識符號。然后對其進行雙層面網(wǎng)格劃分，網(wǎng)格劃分結果如圖2所示，網(wǎng)格最大縱橫比7.18，最小縱橫比1.16，平均縱橫比1.62，消除自由邊、多重邊、配向不正確單元等缺陷，網(wǎng)格匹配百分比91%，大于85%，滿足翹曲分析要求。
先在默認工藝條件(熔體溫度275℃，模具溫度110℃，保壓壓力80MPa，保壓時間10s，注塑壓力120 MPa)下對其進行冷卻+填充+保壓+翹曲分析，分析結果見圖3，所有效應變形為0.2998mm，收縮不均翹曲變形為0.3065mm。
1.2 芯片材料選擇
所用微流控芯片材料選擇日本株式會社大賽璐公司和寶理塑料株式會社的合資公司生產(chǎn)的COC，牌號為Topas6013 S-04。COC是通過雙環(huán)戊二烯和乙烯反應得到的降冰片烯再與乙烯單體在茂金屬催化劑作用下共聚而得到的高分子材料，其物性參數(shù)見表1。
COC透明性高、耐熱性高、耐化學藥品性好且耐滅菌處理，具有高流動性和優(yōu)良的脫模性能，主要用于生產(chǎn)醫(yī)療包裝（塑料瓶，預充填式注射器）和生產(chǎn)診斷器具（生物芯片，微量滴定板），適合制造微流控芯片。
02 正交試驗設計及翹曲變形仿真分析
2.1 正交試驗因素水平設計
注射成型工藝參數(shù)對芯片翹曲變形影響比較復雜，在設備與模具及材料等條件確定的情況下，溫度、壓力、時間等工藝參數(shù)對塑件的翹曲變形有著直接影響[12]，工藝參數(shù)設置不合理會直接影響芯片的表面質量進而影響后續(xù)的鍵合工藝。選取模具溫度(A)，熔體溫度(B)，保壓壓力(C)，保壓時間(D)，注塑壓力(E) 五個工藝參數(shù)作為試驗因素，每因素選取四個水平 ( 不考慮各因素之間的交互作用 )，對COC芯片進行翹曲變形仿真分析，試驗因素及水平如表2所示。
2.2 正交試驗方案設計及分析
在上述默認工藝條件下，選擇冷卻、填充、保壓、翹曲分析序列進行分析，所得各類翹曲變形結果見圖4。由圖4可知，翹曲的所有效應變形量為0.2998mm，冷卻不均變形量為0.02mm，收縮不均變形量為0.3065mm，取向效應引起的變形量為0.0104mm，可知芯片翹曲變形量主要由收縮不均所引起，所以選擇由收縮不均引起的翹曲變形量作為優(yōu)化目標。微流控芯片在注射成型過程中，芯片翹曲變形量值越小越優(yōu)，考慮到正交試驗重復試驗結果變化的影響，在對收縮不均翹曲變形量進行分析之前，先用信噪比(S/N) 對評價指標進行優(yōu)化處理，以相應的S/N值對試驗結果進行數(shù)據(jù)分析，可以減小試驗過程中隨機干擾的影響，有利于找到最佳工藝參數(shù)組合。按照優(yōu)化目標的不同，S/N可分為望小、望大、望目三種計算類型[13–14]。收縮不均翹曲變形量值越小越優(yōu)，屬于望小特性，故選用望小特征函數(shù)計算目標值的S/N[15]，計算公式如式(1)所示。
式(1)中，n為每組試驗重復次數(shù)，yi為第i次試驗值。
用X1表示收縮不均翹曲變形量，選用L16(45)正交試驗表，按照表中試驗方案進行注塑模擬分析，正交試驗方案及模擬結果和S/N計算結果見表3。以表3中S/N數(shù)據(jù)為指標對正交試驗結果進行極差分析，分析結果見表4。
由表4可知，極差RC>RB>RD>RE>RA，初步得出對COC芯片翹曲變形量的影響大小排列順序為保壓壓力>熔體溫度>保壓時間>注塑壓力>模具溫度，最優(yōu)因素水平組合 A4B1C1D4E1。在此組參數(shù)組合下進行模擬驗證，所得結果見圖5，收縮不均翹曲變形量為0.2188 mm，與表3中結果相比不是最優(yōu)結果，需采用其它方法進一步優(yōu)化，筆者采用灰色關聯(lián)分析法進一步分析和優(yōu)化。
03 灰色關聯(lián)分析
灰色關聯(lián)分析是灰色系統(tǒng)理論的重要組成部分之一，是一種系統(tǒng)的分析方法，它利用因素間關聯(lián)程度的大小來判斷相互間關系的強弱[16–17]。對正交試驗結果進行灰色關聯(lián)分析，分析多個工藝參數(shù)對芯片注射成型中翹曲變形的影響程度，灰色關聯(lián)度越大，對芯片質量影響越顯著，灰色關聯(lián)分析步驟如下：
①確定優(yōu)化目標的參考系列Yj和影響因子比較系列Xi，如式(2)所示。
式(2) 中，p為指標個數(shù)，m為因素個數(shù)，n為試驗次數(shù)。
②Y和X的無量綱處理。在分析之前，先對各指標值歸一化處理，采用初值化處理，即序列中的所有數(shù)據(jù)均與它的第一個數(shù)據(jù)相除，從而得到一個新序列?；疑P聯(lián)分析無量綱處理后的參考序列Yj’和比較序列Xi’如式(3)所示。
③計算灰色關聯(lián)系數(shù)εi(k)，如式(4) 所示。
式(4) 中，?min為參考序列與比較序列最小絕對差值，?max為參考序列與比較序列最大絕對差值，?i(k)為第i項指標參考序列與比較序列的差值，ρ為分辨系數(shù)，通常在0到1之間取值，在分析中取ρ=0.5。
⑤計算灰色關聯(lián)度。由于關聯(lián)系數(shù)是參考序列在各個水平組合下的關聯(lián)程度值，比較分散，無法整體比較，故取其平均值，則灰色關聯(lián)度γi計算如式(5)所示。
根據(jù)上述步驟計算得到的灰色關聯(lián)系數(shù)見表5。由表5和式(5)得到因素A，B，C，D，E的灰色關聯(lián)度γ1=0.829185，γ2=0.926006，γ3=0.759137， γ4=0.653541，γ5=0.579 888?？芍?gamma;2﹥γ1﹥γ3﹥γ4﹥γ5，得到影響COC芯片注射成型收縮不均翹曲變形量大小的因素排序為熔體溫度>模具溫度>保壓壓力>保壓時間>注塑壓力。通過灰色關聯(lián)系數(shù)判斷最優(yōu)工藝條件，若目標值越大越優(yōu)，灰色關聯(lián)系數(shù)最大所對應的工藝參數(shù)組合為最佳工藝條件[18]，由于翹曲變形量是趨小特性目標值，故灰色關聯(lián)系數(shù)越小，結果越好，從表5可知各因素灰色關聯(lián)系數(shù)最小值minε1=0.628289，minε2=0.802916，minε3=0.584997，minε4=0.374388，minε5=0.333333，對應的最優(yōu)因素水平組合為A4B1C4D4E4，即模具溫度120℃，熔體溫度265℃，保壓壓力100MPa，保壓時間14s，注塑壓力125MPa。此組合不在16組正交試驗方案之內，故對此組工藝參數(shù)進行模擬驗證，驗證結果如圖6所示。圖6顯示，所有效應變形量為0.2139mm，收縮不均翹曲變形量為0.2153mm，與默認工藝參數(shù)相比，分別下降了28.65%和29.76%。
04 結論
(1) 通過比較正交試驗極差分析法和灰色關聯(lián)分析法的優(yōu)化結果，發(fā)現(xiàn)兩者之間有差別，灰色關聯(lián)分析法所得收縮不均翹曲變形結果為0.2153mm，比極差分析結果0.2188mm更優(yōu)。
(2) 通過灰色關聯(lián)模型分析了各工藝參數(shù)對COC芯片注射成型中翹曲變形影響程度，得出熔體溫度影響最大，模具溫度次之，注塑壓力影響最小。
(3) 通過正交試驗和灰色關聯(lián)分析，得出最佳工藝參數(shù)組合方案為模具溫度120℃，熔體溫度265℃，保壓壓力100MPa，保壓時間14s，注射壓力125MPa。
(4) 經(jīng)灰色關聯(lián)分析法對工藝參數(shù)優(yōu)化后，收縮不均引起的翹曲變形量由優(yōu)化前的0.3065mm降為0.2153mm，下降了29.76%，芯片質量有了較大提高。
參 考 文 獻
[1] Manz A，Graber N，Widmer H M. Miniaturized total chemical analysis systems:A novel concept for chemical sensing[J]．Sensors & Actuators B:Chemical，1990，1(1–6):244–248．
[2] Song S，Lee K Y. Polymers for microfluidic chips[J]. Macro-molecular Research，2006，14(2):121–128.
[3] Xie Y，Chen D，Lin S. Microfluidic electrochemical detection techniques of cancer biomarkers[J]. Nano Biomed & Engineer，2017，9(1):57–71．
[4] 王學虎 . 微流控芯片注射壓縮成型及其可視化的研究 [D]. 大連：大連理工大學，2010.
[5] Becker H，G rtner C. Polymer microfabrication technologies for microfluidic systems[J]. Analytical & Bioanalytical Chemistry，2008，390(1):89–111.
[6] Chen Z，Zhang L Y，Chen G. A spring-driven press device for hot embossing and thermal bonding of PMMA microfluidic chips[J]. Electrophoresis，2010，31(15):2 512–2 519．
[7] Jiang B Y，Liu Y，Chu C P，et al. Research on micro-channel of PMMA microfluidic chip under various injection molding parameters[J]. Adv Mater Res，2009，87–88:381–386.
[8] Verma P，Zaman Khan K，Khonina S N，et al. Ultraviolet-LIGA based fabrication and characterization of a nonresonant drive-mode vibratory gyro/accelerometer[J]. Journal of Micro/Nanolithography，MEMS，and MOEMS，2016，15(3).doi:10.1117/1. JMM.15.3.035001.
[9] Sha B，Dinmov S，Grffithis C，et al. Investigation of micro injection moulding:Factors affecting the replication quality[J]. Journal of Materials Processing Technology，2007，183(2):284–296.
[10] 宋滿倉，張傳贊，劉瑩，等 . 微結構塑件注射成型特性實驗研究[J]. 大連理工學報，2010，50(5):682–685.
[11] 蔣炳炎，申瑞霞，沈龍江，等 . 注射成型工藝參數(shù)對微結構零件復制度的影響 [J]. 光學精密工程，2008，16(2):248–256.
[12] 劉朝福，劉建偉，何玉林 . 基于正交試驗的PP車門內飾板注塑工藝參數(shù)優(yōu)化[J]. 合成樹脂及塑料，2015，32(1):50–53．
[13] 彭安華，王天宇，張同保，等 . 基于信噪比與相對關聯(lián)度的齒輪熱處理工藝參數(shù)優(yōu)化 [J]. 熱加工工藝，2020，49(14):119–123.
[14] 陶俊，翟豪瑞，洪學浩 . 車門內飾板優(yōu)化分析及模具設計 [J]. 工程塑料應用，2020，48(1):81–85.
[15] 孫首群，張書魁，黃梅仙 . 基于信噪比及灰關聯(lián)度的注塑工藝參數(shù)優(yōu)化[J]. 塑性工程學報，2016，23(1):141–145.
[16] 王海峰，沈鑫華 . 信噪比灰色關聯(lián)分析在注塑工藝參數(shù)優(yōu)化中的應用 [J]. 塑料工業(yè)，2019，47(4):69–72.
[17] Altan M. Reducing shrinkage in injection moldings via the Taguchi，ANOVA and neural network methods[J]. Materials & Design，2010，31(1):599–604.
[18] 管曉芳 . 正交試驗灰關聯(lián)度分析法 [J]. 水利與建筑工程學報，2007(2):76–77，88.
玻纖含量對長玻纖...
鈣鈦礦薄膜的均勻...
用于光伏板靜電除...
聚砜醫(yī)療干粉吸入...
