Figure 2. Ink fraction contours for mesh 1 through 4 (left to right) at the following four time steps: (a) 6 µs, (b) 12 µs, (c) 18 µs, and (d) 24 µs.

분사성 작동 조건을 최적화하기 위한 결합된 CFD-Response Surface Method(RSM)

Nuno Couto 1, Valter Silva 1,2,* , João Cardoso 2, Leo M. González-Gutiérrez 3 and Antonio Souto-Iglesias 41
INEGI-FEUP, Faculty of Engineering, Porto University, 4200-465 Porto, Portugal;
nunodiniscouto@hotmail.com
2 VALORIZA, Polytechnic Institute of Portalegre, 7300-110 Portalegre, Portugal; jps.cardoso@ipportalegre.pt
3 CEHINAV, DMFPA, ETSIN, Universidad Politécnica de Madrid, 28040 Madrid, Spain; leo.gonzalez@upm.es
4 CEHINAV, DACSON, ETSIN, Universidad Politécnica de Madrid, 28040 Madrid, Spain;
antonio.souto@upm.es

  • Correspondence: valter.silva@ipportalegre.pt; Tel.: +351-245-301-592

소개

물방울 생성에 대한 이해는 여러 산업 응용 분야에서 매우 중요합니다 [ 1 ]. 잉크젯 프린팅 프로세스는 일반적으로 10 ~ 100 μm [ 1 ] 범위의 독특하고 작은 액적 크기를 특징으로 하며 연속적 또는 충동적 흐름을 사용하여 얻을 수 있습니다 (마지막 방식은 주문형 드롭 (DoD)이라고도 함). 잉크젯).

여러 장점 덕분에 DoD 방법은 산업 환경에서 상당한 수용을 얻고 있습니다 [ 2 ].DoD는 복잡한 프로세스이며 유체 속성, 노즐 형상 및 구동 파형 [ 1 , 3 ]의 세 가지 주요 범주로 분류되는 여러 매개 변수에 따라 달라집니다 .그러나 길이와 시간 척도가 모두 마이크로 오더 [ 4 ] 이기 때문에 실험을하기가 어렵습니다 .

결과적으로 실험 설정은 항상 비용이 많이 들고 복잡하며 CFD (전산 유체 역학)와 같은 고급 수치 접근 방식이 엄격한 요구 사항입니다 [ 5 , 6 ]. VOF (volume-of-fluid) 접근 방식은 액체 분해 및 액적 생성에 대한 다상 공정을 시뮬레이션하기위한 적절한 대안으로 밝혀졌으며 과거 연구에서 그대로 사용되었습니다 [ 7 , 8], 인쇄 프로세스의 맥락에서 전자는 여전히 현재 연구의 주제입니다. 

또한 VOF 체계를 사용하면 단일 운동량 방정식 세트를 해결하고 도메인 전체에 걸쳐 각 유체의 체적 분율을 추적하여 명확하게 정의된 인터페이스로 둘 이상의 혼합 불가능한 유체를 효과적으로 시뮬레이션 할 수 있습니다. Feng [ 9 ]는 VOF 접근 방식을 사용하여 일시적인 유체 인터페이스 변형 및 중단을 효과적으로 추적하는 패키지 FLOW-3D를 사용하여 낙하 배출 중 복잡한 유체 역학 프로세스를 시뮬레이션하는 선구자 작업 중 하나를 수행했습니다.

주요 목표는 볼륨 및 속도와 같은 민감한 변수를 더 잘 이해하면서 장치 개발에서 일반적인 설계 규칙을 구현하는 것이 었습니다. 이러한 종류의 공정과 관련된 주요 질문 중 하나는 안정적인 액적 형성을 위한 작동 범위의 정의입니다.

Fromm [ 10 ]은 Reynolds 수와 Weber 수의 제곱근 비율이 2보다 작으면 안정적인 방울을 생성 할 수 없다는 것을 확인했습니다. 이 무차원 값은 나중에 Z 번호로 알려졌으며 분사 가능성 범위 [ 11 ]를 정의합니다 . 문헌에서 분사 가능성을 위한 Z 간격은 1 ~ 10 [ 12 ], 4 ~ 14 [ 13 ] 또는 0.67 ~ 50 [ 14]을 찾을 수 있습니다. 

이것은 Z 값 만으로는 분사 가능성 조건을 나타낼 수 없음을 분명히 의미합니다. 실제로, 다른 속성을 가진 유체는 다른 인쇄 품질을 나타내면서 동일한 Z 값을 나타낼 수 있습니다. 액적 생성 공정과 해당 분사 성은 주로 전체 공정 품질에 큰 영향을 미치는 매개 변수 세트에 의해 결정됩니다. 

토대 메커니즘을 더 잘 이해하려면 확장 된 작동 조건 및 매개 변수 세트를 고려하여 여러 실험 또는 수치 실행을 수행해야 합니다. DoE (design-of-experiment) 접근 방식과 같은 체계적인 접근 방식이 없으면 이것은 달성하기 매우 어려운 작업이 될 수 있습니다. 최적화 문제를 해결하기 위해 반응 표면 방법을 사용하여 처음으로 체계화된 접근 방식이 개발된 Box and Wilson [ 15 ] 의 선구자 기사 이후 ,이 입증된 방법론은 많은 화학 및 산업 공정[ 16 ] 및 기타 관련 학계에 성공적으로 적용되었습니다.

예를 들어 Silva와 Rouboa [ 17 ]는 직접 메탄올 연료 전지의 출력 밀도에 영향을 미치는 관련 매개 변수를 식별하기 위해 반응 표면 방법론 (RSM)을 사용했습니다. 많은 실제 산업 응용 분야에서 실험 연구는 작동 매개 변수를 조절하기 어렵 기 때문에 제한적이지만 주로 설정을 개발하거나 실험을 실행하는 데 드는 비용이 높기 때문입니다. 

따라서 솔루션은 주요 시스템 응답을 시뮬레이션하고 예측할 수 있는 효과적인 수학적 모델의 개발에 의존합니다. DoE와 같은 최적화 방법론을 수치 모델과 결합하면 비용이 많이 들고 시간이 많이 걸리는 실험을 피하고 다양한 입력 조합을 사용하여 최적의 조건을 얻을 수 있습니다 [ 16 ]. 

실바와 루 보아 [ 18] CFD 프레임 워크 하에서 개발 된 2D Eulerian-Eulerian 바이오 매스 가스화 모델에서 얻은 결과를 RSM과 결합하여 다양한 응용 분야에서 합성 가스를 생성하기 위한 최적의 작동 조건을 찾습니다. 

저자는 입력 요인으로 인한 최상의 응답과 최소한의 변동을 모두 보장하는 작동 조건을 찾을 수 있었습니다. Frawley et al. [ 19 ] CFD 및 DoE 기술 (특히 RSM)을 결합하여 파이프의 팔꿈치에서 고체 입자 침식에 대한 다양한 주요 요인의 영향을 조사하여 침식 예측 모델을 개발할 수 있습니다.우리가 아는 한, DoD 잉크젯 프로세스의 개선 및 더 나은 이해에 적용되는 DoE 접근법 (실험적으로 또는 모든 종류의 수치 모델과 결합)을 구현하는 연구는 없습니다. 선도 기업이 이러한 접근 방식을 적용 할 가능성이 있지만 관련 결과는 민감할 수 있으므로 더 넓은 커뮤니티에서 사용할 수 없습니다. 이 사실은 DoD 잉크젯 공정에서 액적 생성에 대한 여러 매개 변수의 영향을 평가하기 위한 이러한 종류의 연구로서 현재 논문의 영향을 증가 시킬 수 있습니다.

CFD 프레임 워크 내에서 VOF 접근 방식을 사용하여 여러 컴퓨터 실험의 설계를 개발하고 RSM을 분석 도구로 사용했습니다. 충분한 수치 정확도와 수용 가능한 시간 계산 시뮬레이션의 균형을 맞추기 위해 메쉬 수렴 연구가 수행되었습니다. 설계 목적을 위해 점도, 표면 장력, 입구 속도 및 노즐 직경이 입력 요인으로 선택되었습니다. 응답은 break-up 시간과 break-up 길이였습니다.

Figure 1. Schematic of the computational domain
Figure 1. Schematic of the computational domain
Figure 2. Ink fraction contours for mesh 1 through 4 (left to right) at the following four time steps: (a) 6 µs, (b) 12 µs, (c) 18 µs, and (d) 24 µs.
Figure 2. Ink fraction contours for mesh 1 through 4 (left to right) at the following four time steps: (a) 6 µs, (b) 12 µs, (c) 18 µs, and (d) 24 µs.
Figure 3. Comparison between surface tensions at the following four time steps: (a) 6 µs, (b) 12 µs, (c) 18 µs, and (d) 24 µs
Figure 3. Comparison between surface tensions at the following four time steps: (a) 6 µs, (b) 12 µs, (c) 18 µs, and (d) 24 µs
Figure 4. Comparison between viscosity values at the following four time steps: (a) 6 μs, (b) 12 μs, (c) 18 μs, and (d) 24 μs.
Figure 4. Comparison between viscosity values at the following four time steps: (a) 6 μs, (b) 12 μs, (c) 18 μs, and (d) 24 μs.
Figure 5. Comparison between different nozzle diameters at the following four time steps: (a) 6 µs, (b) 12 µs, (c) 18 µs, and (d) 24 µs
Figure 5. Comparison between different nozzle diameters at the following four time steps: (a) 6 µs, (b) 12 µs, (c) 18 µs, and (d) 24 µs
Figure 6. Comparison between different inlet velocities at the following four time steps: (a) 6 µs, (b) 12 µs, (c) 18 µs, and (d) 24 µs
Figure 6. Comparison between different inlet velocities at the following four time steps: (a) 6 µs, (b) 12 µs, (c) 18 µs, and (d) 24 µs
Figure 8. Contour response plots for break-up time as a function of (a) surface tension and viscosity, (b) nozzle diameter and viscosity, (c) inlet velocity and viscosity, (d) nozzle diameter and surface tension, (e) inlet velocity and surface tension, and (f) inlet velocity and nozzle diameter.
Figure 8. Contour response plots for break-up time as a function of (a) surface tension and viscosity, (b) nozzle diameter and viscosity, (c) inlet velocity and viscosity, (d) nozzle diameter and surface tension, (e) inlet velocity and surface tension, and (f) inlet velocity and nozzle diameter.
Figure 12. Break-up length as a function of the We–Ca space (obtained from the 25 runs).
Figure 12. Break-up length as a function of the We–Ca space (obtained from the 25 runs).
논문 원문 바로가기

References

  1. Hutchings, I.M.; Martin, G.D. Inkjet Technology for Digital Fabrication; John Wiley & Sons Ltd.: Hoboken, NJ,
    USA, 2013.
  2. Waasdorp, R.; Heuvel, O.; Versluis, F.; Hajee, B.; GhatKesar, M. Acessing individual 75-micron diameter
    nozzles of a desktop inkjet printer to dispense picoliter droplets on demand. RSC Adv. 2018, 8, 14765.
  3. Zhang, H.; Wang, J.; Lu, G. Numerical investigation of the influence of companion drops on drop-ondemand ink jetting. Appl. Phys. Eng. 2012, 13, 584–595.
  4. Dong, H.; Carr, W. An experimental study of drop-on-demand drop formation. Phys. Fluids 2006, 18,
    072102.
  5. Patel, M.; Pericleous, K.; Cross, M. Numerical Modelling of Circulating Fluidized beds. Int. J. Comput.
  6. Fluid Dyn. 1993, 1, 161–176. [CrossRef]
  7. Zhao, X.; Glenn, C.; Xiao, Z.; Zhang, S. CFD development for macro particle simulations. Int. J. Comput.
  8. Fluid Dyn. 2014, 28, 232–249. [CrossRef]
  9. Hasan, M.N.; Chandy, A.; Choi, J.W. Numerical analysis of post-impact droplet deformation for direct-print.
  10. Eng. Appl. Comput. Fluid Mech. 2015, 9, 543–555. [CrossRef]
  11. Ghafouri-Azar, R.; Mostaghimi, J.; Chandra, S. Numerical study of impact and solidification of a droplet
  12. over a deposited frozen splat. Int. J. Comput. Fluid Dyn. 2004, 18, 133–138. [CrossRef]
  13. Feng, J. A General Fluid Dynamic Analysis of Drop Ejection in Drop-on-Demand Ink Jet Devices. J. Imaging
  14. Sci. Technol. 2002, 46, 398–408.
  15. Fromm, J. Numerical Calculation of the Fluid Dynamics of Drop-on-Demand Jets. IBM J. Res. Dev. 1984, 28,
  16. 322–333. [CrossRef]
  17. Nallan, H.; Sadie, J.; Kitsomboonloha, R.; Volkman, S.; Subramanian, V. Systematic Design of Jettable
  18. Nanoparticle-Based Inkjet Inks: Rheology, Acoustics and Jettability. Langmuir 2014, 30, 13470–13477.
  19. [CrossRef] [PubMed]
  20. Reis, N.; Derby, B. Ink Jet Deposition of Ceramic Suspensions: Modelling and Experiments of Droplet Formation;
  21. Chapter in MRS Online Proceeding Library Archive; Cambridge University Press: Cambridge, UK, 2000;
  22. Volume 624, pp. 117–122.
  23. Jang, D.; Kim, D.; Moon, J. Influence of Fluid Physical Properties on Ink-Jet Printability. Langmuir 2009, 25,
  24. 2629–2635. [CrossRef] [PubMed]
  25. Tai, J.; Gan, H.Y.; Liang, Y.N.; Lok, B.K. Control of Droplet Formation in Inkjet Printing Using Ohnesorge
  26. Number Category: Materials and Processes. In Proceedings of the 10th Electronics Packaging Technology
  27. Conference, EPTC, Singapore, 9–12 December 2008; pp. 761–766.
  28. Box, G.; Wilson, K. On the Experimental Attainment of Optimum Conditions. J. R. Stat. Soc. Ser. B 1951, 13,
  29. 1–45.
  30. Silva, V.; Rouboa, A. Optimizing the gasification operating conditions of forest residues by coupling a
  31. two-stage equilibrium model with a response surface methodology. Fuel Process. Technol. 2014, 122, 163–169.
  32. [CrossRef]
  33. Silva, V.; Rouboa, A. Optimizing the DMFC Operating Conditions using a Response Surface Method.
  34. Appl. Math. Comput. 2012, 218, 6733–6743. [CrossRef]
  35. Silva, V.; Rouboa, A. Combining a 2-D multiphase CFD model with a Response Surface Methodology to
  36. optimize the gasification of Portuguese biomasses. Energy Convers. Manag. 2015, 99, 28–40. [CrossRef]
  37. Frawley, P.; Corish, J.; Niven, A.; Geron, M. Combination of CFD and DOE to analyse solid particle erosion
  38. in elbows. Int. J. Comput. Fluid Dyn. 2009, 23, 411–426. [CrossRef]
  39. Morrison, N.F.; Harlen, O.G. Viscoelasticity in inkjet printing. Rheol. Acta 2010, 49, 619–632. [CrossRef]
  40. ANSYS Inc. ANSYS Fluent Tutorial Guide; Release 15.0; ANSYS Inc.: Canonsburg, PA, USA, November 2013.
  41. ANSYS Inc. ANSYS Fluent Theory Guide; Release 17.0; ANSYS Inc.: Canonsburg, PA, USA, January 2016.
  42. Dinsenmeyer, R.; Fourmigué, J.F.; Caney, N.; Marty, P. Volume of fluid approach of boiling flows in
  43. concentrated solar plants. Int. J. Heat Fluid Flow 2017, 65, 177–191. [CrossRef]
  44. Das, S.; Weerasiri, L.D.; Yang, W. Influence of surface tension on bubble nucleation, formation and onset of
  45. sliding. Colloids Surf. A Physicochem. Eng. Asp. 2017, 516, 23–31. [CrossRef]
  46. Du, W.; Zhang, J.; Lu, P.; Xu, J.; Wei, W.; He, G.; Zhang, L. Advanced understanding of local wetting
  47. behaviour in gas-liquid-solid packed beds using CFD with a volume of fluid (VOF) method. Chem. Eng. Sci.
  48. 2017, 170, 378–392. [CrossRef]
  49. Shrestha, S.; Chou, K. A build surface study of Powder-Bed electron beam additive manufacturing by
  50. 3D thermo-fluid simulation and white-light interferometry. Int. J. Mach. Tools Manuf. 2017, 121, 37–49.
  51. [CrossRef]
  52. Zhong, Y.; Fang, H.; Ma, Q.; Dong, X. Analysis of droplet stability after ejection from an inkjet nozzle. J. Fluid
  53. Mech. 2018, 845, 378–391. [CrossRef]
  54. Zhang, X. Dynamics of drop formation in viscous flows. Chem. Eng. Sci. 1999, 54, 1759–1774. [CrossRef]
  55. Calvert, P. Inkjet printing for materials and devices. Chem. Mater. 2001, 13, 3299–3305. [CrossRef]
  56. Kim, C.S.; Park, S.; Sim, W.; Kim, Y.; Yoo, Y. Modelling and characterization of an industrial inkjet head for
  57. micro-patterning on printed circuit boards. Comput. Fluids 2009, 38, 602–612. [CrossRef]
  58. ChemEngineering 2018, 2, 51 19 of 19
  59. Wang, P. Numerical Analysis of Droplet Formation and Transport of a Highly Viscous Liquid. Master’s Thesis,
  60. University of Kentucky, Lexington, KY, USA, 2014.
  61. Zhang, Z.; Xiong, R.; Corr, D.; Huang, Y. Study of Impingement Types and Printing Quality during Laser
  62. Printing of Viscoelastic Alginate Solutions. Langmuir 2016, 32, 3004–3014. [CrossRef] [PubMed]
  63. Derby, B. Inkjet Printing Ceramics: From Drops to Solid. J. Eur. Ceram. Soc. 2011, 31, 2543–2550. [CrossRef]
  64. Kim, E.; Baek, J. Numerical Study on the Effects of Non Dimensional Parameters on Drop-on-Demand
  65. Droplet Formation Dynamics and Printability Range in the up-Scaled Model. Phys. Fluids 2012, 24, 082103.
  66. [CrossRef]