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的翹曲變形現象，選取環烯烴類共聚物(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個工藝參數設計正交試驗。采用灰色關聯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，並采用灰色關聯度模型分析各工藝參數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分析法所得結果進行比較，發現灰色關聯分析法所得結果優於極差分析的結果，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，並得到最優工藝參數為模具溫度120℃、熔體溫度265℃、保壓壓力100MPa、保壓時間14s、注塑壓力125 MPa。該方法能有效提高製品質量，經優化後收縮不均翹曲變形量降低了29.76%。
關鍵詞：微流控芯片；工藝參數優化；翹曲變形；正交試驗；灰色關聯度分析
微流控技術最初源於微機電係統在微量流體操控方麵的研究，於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件最重要的發明之一”[3–4]。
矽、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、成本低等優點，是加工製造微流控芯片最有前景的材料。目前，製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多種成型缺陷，微通道複製度是影響芯片使用性能最重要的指標，翹曲變形、收縮變形、表麵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複製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 ) 對微注射成型複製度的影響；宋滿倉等[10]研究分析了成型工藝參數對微通道複製不完全和表麵縮痕兩種缺陷的影響；蔣炳炎等[11]研究了注塑工藝參數對微圓柱透鏡陣列複製度的影響。
但目前，對微流控芯片注射成型過程中出現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，因此筆者對環烯烴類共聚物(COC)芯片的翹曲變形進行模擬分析，優化了翹曲變形工藝參數，為COC芯片的後續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，芯片的基片上表麵設有三排規格不同的儲液池，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軟件中進行網格劃分。為減小網格縱橫比和提高網格匹配百分比，先利用CAD doctdor對模型進行簡化和幾何修複處理，去除芯片四周小圓角和基片上表麵的Logo標識符號。然後對其進行雙層麵網格劃分，網格劃分結果如圖2所示，網格最大縱橫比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，網格匹配百分比91%，大於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的COC，牌號為Topas6013 S-04。COC是通過雙環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，具有高流動性和優良的脫模性能，主要用於生產醫療包裝（塑料瓶，預充填式注射器）和生產診斷器具（生物芯片，微量滴定板），適合製造微流控芯片。
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
注射成型工藝參數對芯片翹曲變形影響比較複雜，在設備與模具及材料等條件確定的情況下，溫度、壓力、時間等工藝參數對塑件的翹曲變形有著直接影響[12]，工藝參數設置不合理會直接影響芯片的表麵質量進而影響後續的鍵合工藝。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，考慮到正交試驗重複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) 對評價指標進行優化處理，以相應的S/N值對試驗結果進行數據分析，可以減小試驗過程中隨機幹擾的影響，有利於找到最佳工藝參數組合。按照優化目標的不同，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，屬於望小特性，故選用望小特征函數計算目標值的S/N[15]，計算公式如式(1)所示。
式(1)中，n為每組試驗重複次數，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數據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，最優因素水平組合 A4B1C1D4E1。在此組參數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結果，需采用其它方法進一步優化，筆者采用灰色關聯分析法進一步分析和優化。
03 灰色關聯分析
灰色關聯分析是灰色係統理論的重要組成部分之一，是一種係統的分析方法，它利用因素間關聯程度的大小來判斷相互間關係的強弱[16–17]。對正交試驗結果進行灰色關聯分析，分析多個工藝參數對芯片注射成型中翹曲變形的影響程度，灰色關聯度越大，對芯片質量影響越顯著，灰色關聯分析步驟如下：
①確定優化目標的參考係列Yj和影響因子比較係列Xi，如式(2)所示。
式(2) 中，p為指標個數，m為因素個數，n為試驗次數。
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，即序列中的所有數據均與它的第一個數據相除，從而得到一個新序列。灰色關聯分析無量綱處理後的參考序列Yj’和比較序列Xi’如式(3)所示。
③計算灰色關聯係數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為分辨係數，通常在0到1之間取值，在分析中取ρ=0.5。
⑤計算灰色關聯度。由於關聯係數是參考序列在各個水平組合下的關聯程度值，比較分散，無法整體比較，故取其平均值，則灰色關聯度γi計算如式(5)所示。
根據上述步驟計算得到的灰色關聯係數見表5。由表5和式(5)得到因素A，B，C，D，E的灰色關聯度γ1=0.829185，γ2=0.926006，γ3=0.759137， γ4=0.653541，γ5=0.579 888。可知γ2﹥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。通過灰色關聯係數判斷最優工藝條件，若目標值越大越優，灰色關聯係數最大所對應的工藝參數組合為最佳工藝條件[18]，由於翹曲變形量是趨小特性目標值，故灰色關聯係數越小，結果越好，從表5可知各因素灰色關聯係數最小值minε1=0.628289，minε2=0.802916，minε3=0.584997，minε4=0.374388，minε5=0.333333，對應的最優因素水平組合為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分析法的優化結果，發現兩者之間有差別，灰色關聯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。
(2) 通過灰色關聯模型分析了各工藝參數對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分析，得出最佳工藝參數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) 經灰色關聯分析法對工藝參數優化後，收縮不均引起的翹曲變形量由優化前的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，張傳讚，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 . 注射成型工藝參數對微結構零件複製度的影響 [J]. 光學精密工程，2008，16(2):248–256.
[12] 劉朝福，劉建偉，何玉林 . 基於正交試驗的PP車門內飾板注塑工藝參數優化[J]. 合成樹脂及塑料，2015，32(1):50–53．
[13] 彭安華，王天宇，張同保，等 . 基於信噪比與相對關聯度的齒輪熱處理工藝參數優化 [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 . 基於信噪比及灰關聯度的注塑工藝參數優化[J]. 塑性工程學報，2016，23(1):141–145.
[16] 王海峰，沈鑫華 . 信噪比灰色關聯分析在注塑工藝參數優化中的應用 [J]. 塑料工業，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 . 正交試驗灰關聯度分析法 [J]. 水利與建築工程學報，2007(2):76–77，88.
聚碸醫療幹粉吸入...
塑料包裝材料的減...
汽車功能鍵觸摸蓋I...
高性能注塑聚丙烯...
