Upscaling production of droplets and magnetic particles with additive manufacturing
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose Monodisperse microfluidic emulsions – droplets in another immiscible liquid – are beneficial to various technological applications in analytical chemistry, material and chemical engineering, biology and medicine. Upscaling the mass production of micron-sized monodisperse emulsions, however, has been a challenge because of the complexity and technical difficulty of fabricating or upscaling three-dimensional (3 D) microfluidic structures on a chip. Therefore, the authors develop a fluid dynamical design that uses a standard and straightforward 3 D printer for the mass production of monodisperse droplets. Design/methodology/approach The authors combine additive manufacturing, fluid dynamical design and suitable surface treatment to create an easy-to-fabricate device for the upscaling production of monodisperse emulsions. Considering hydrodynamic networks and associated flow resistance, the authors adapt microfluidic flow-focusing junctions to produce (water-in-oil) emulsions in parallel in one integrated fluidic device, under suitable flow rates and channel sizes. Findings The device consists of 32 droplet-makers in parallel and is capable of mass-producing 14 L/day of monodisperse emulsions. This convenient method can produce 50,000 millimetric droplets per hour. Finally, the authors extend the current 3 D printed fluidics with the generated emulsions to synthesize magnetic microspheres. Originality/value Combining additive manufacturing and hydrodynamical concepts and designs, the authors experimentally demonstrate a facile method of upscaling the production of useful monodisperse emulsions. The design and approach will be beneficial for mass productions of smart and functional microfluidic materials useful in a myriad of applications.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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