Effect of curing parameters and configuration on the efficacy of ultraviolet light curing self-adhesive masks used for abrasive jet micro-machining and microfluidic device fabrication
Notice bibliographique
Résumé
Soft lithography techniques has been used widely in the past decade to fabricate microfluidic chips used in biomedical applications. Abrasive jet machining (AJM) has been used to fabricate similar chips using particle erosion mechanisms. This thesis proposes a new technique using a UV light sensitive self-adhesive mask (RapidMask) and AJM to fabricate a three dimensional flow focusing microfluidic chip where the depth of the channel is allowed to vary along the channel length. A detailed characterization of the effect of curing parameters of a UV light curing self-adhesive mask on the resulting feature resolution is reported. Instead of relying on the manufacturer recommended curing parameters which were vaguely described for specific UV curing units, it was found that measured energy density could be used to quantify a recommended cure that is independent of the curing unit. The best achievable pattern on borosilicate glass using RM and AJM was found and reported along with the erosion rates of uncured, cured RM during AJM. A new methodology was introduced to use multiple layers of the RM in order to increase the achievable feature aspect ratio. The results of the RM curing and multiple layer investigation were then used to fabricate a three dimensional flow focusing chip with a varying depth at the focusing junction. The chip was then sealed and tested to demonstrate its capabilities and potential in healthcare and biomedical applications. To the best knowledge of the author, this thesis is the first to report using a double layer RM to fabricate a microfluidic chip using AJM.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».