Electroforming of additively manufactured conductive molds formanufacture of miniature metal parts
Notice bibliographique
Résumé
Several distinct microfabrication methods have been developed recently for mass manufacturing. However, as the need for customization and personalization grows, the manufacturing industry faces new challenges in manufacturing low-cost products in medium-to-large sized batches. One of the most promising technologies for tackling such demand is additive manufacturing. Yet, metal printing has certain drawbacks for fabricating metal structures, including but not limited to high surface roughness, poor mechanical characteristics, long build time, and the requirement of post-processing (debinding and sintering). Therefore, a process for producing medium-to-large sized batches of high-quality metal components is needed. Electroforming has shown to be promising method for fabrication of thin metal parts. Metals as gold, silver, copper, nickel, and brass are amongst the most common ones for electroforming. The produced parts can have a thickness up to several millimeters, surface finish as low as 0.05 m, and dimensional tolerances up to 1 m. This work investigates the usage of additively manufactured plastic molds followed by electroforming to create 2.5D (parts that have multiple flat features at varying depths) miniature parts. The procedure of combining 3D printing and electroforming is divided to five stages. Firstly, a layered mold of the desired part is printed using Acrylonitrile Butadiene Styrene (ABS) which is a soluble polymer in polar solvents. Secondly, the mold layers are painted using silver coated copper conductive paint. Then, the mold layers are chemically bonded using acetone. Furthermore, the mold is electroformed in electrolytic solution, where the metal part grows atom by atom. lastly, the ABS mold is dissolved in acetone leaving a light miniature metal component with a high-quality surface texture and accurate dimensions. Applications of such process include micro-electro-mechanical systems (MEMS), encoder discs, watchmaking components, micro flexures, dental, and medical components.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».