In dit overzicht onderzoeken we twee van de meest gebruikte ontwerpen voor druppelgeneratie: T-junction en flow-focusing. Eerst bespreken we hoe het mogelijk is om de druppelgrootte te voorspellen in de microfluïdica. Vervolgens introduceren we de resultaten die we hebben verkregen voor twee chips met twee veelvoorkomende gefluoreerde oliën, gebaseerd op het gebruik van een drukregelsysteem en microfluïdische apparaten die worden aangeboden bij Darwin Microfluidics.
Materiaal
Om onze karakterisering uit te voeren, kozen we ervoor om een drukregelaar en twee soorten chips te gebruiken: een PDMS-chip met een flow-focusing-geometrie en een polycarbonaat chip die verschillende T-junction-ontwerpen integreert (zie figuur 1).
Met deze experimenten konden we de grootte van de druppels evalueren volgens de verschillende geometrieën van de druppelgenererende systemen, maar ook volgens het type gebruikte olie (FluoDrop 40 en FluoDrop 7500 (met 2% FluoSurf) die de meest gebruikte gefluoreerde oliën in de microfluïdica zijn).
Hoe kunt u uw druppelgrootte voorspellen?
De vereiste stap in alle op druppels gebaseerde apparaten is druppelvorming. Een druppelgenerator moet prestaties leveren die specifiek zijn voor de toepassing, waaronder een voorgeschreven druppelgrootte en generatiefrequentie, terwijl hij monodisperse druppels produceert. De gewenste prestatie wordt meestal bereikt via verschillende kosten- en tijdinefficiënte ontwerpiteraties.
Om deze fase van druppelgeneratie te vergemakkelijken, zijn er verschillende studies uitgevoerd om de grootte van de druppels te voorspellen op basis van de geometrie van de druppelgenerator en de viscositeit van de gebruikte continue fase.
Prileszky en collega's tonen bijvoorbeeld aan dat de grootte van druppels geproduceerd in een T-junction gamma-verdeeld is (zie figuur 2), wat extra inzicht biedt in de fysica van het opsplitsingsproces en de eigenschappen van in microfluidics gegenereerde emulsies. Zij tonen aan dat de grootte van de geproduceerde druppels in een T-junction verdeeld is via gammabraling, wat een beter begrip mogelijk maakt van de fysica van het breukproces en de eigenschappen van de in microfluidics gegenereerde emulsies. Kennis van de onderliggende waarschijnlijkheidsverdeling maakt het mogelijk om de druppelgrootte te controleren voor druppels gemaakt van viskeuze materialen. Het begrijpen van de invloed van de viscositeit van de gedispergeerde fase op de druppelgrootte is essentieel om druppels te creëren met de juiste geometrie en eigenschappen [Prileszky et al. 2016 AIChE Journal].
De gammaverdeling lijkt het best passende model te zijn, en presteert zelfs beter dan de vaker gebruikte log-normale verdeling, wat wordt aangetoond door het grote verschil tussen de Anderson-Darling-statistieken (deze test meet de afstand tussen een veronderstelde verdeling en het empirische model over de gehele cumulatieve verdelingsfunctie (cdf) van de veronderstelde verdeling) en de bijbehorende p-waarden uit representatieve waarschijnlijkheidsdiagrammen.
De ontwikkeling van een probabilistische beschrijving van een fysisch proces leidt tot de correlatie van de metingen met de fysische parameters. Zonder inzicht in de vorm van de verdeling van een stochastische variabele, vertaalt systematische ruis in experimentele gegevens zich direct in systematische fouten in een voorgestelde correlatie. Door de ruis echter weg te filteren door een experimentele verdeling te vergelijken met een theoretische verdeling, wordt het mogelijk om het gemiddelde van de werkelijke verdeling beter te schatten, door de foutenfortplanting via regressieanalyses te minimaliseren. Bijgevolg maakt het identificeren van de gammaverdeling als representatief voor de variabiliteit in de grootte van druppels gevormd in een T-junction een nauwkeurigere correlatie mogelijk tussen de druppelgrootte en de viscositeit en het debiet van de gedispergeerde fase [Prileszky et al. 2016 AIChE Journal].
Een andere techniek om de druppelgrootte te voorspellen is numerieke simulatie via de COMSOL-software. In dit voorbeeld wordt het proces van druppelvorming in een microfluïdisch flow-focusing-apparaat onderzocht. Er zijn verschillende bevindingen gedaan: Er werd aangetoond dat de nauwkeurigheid van de numerieke oplossing toeneemt met het waterdebiet. De gemiddelde fout nam namelijk af van 14,6 tot 6,96% bij een verhoging van het waterdebiet van 0,3 tot 0,6 µL/min. Vervolgens werd de variatie van de druppelstraal als functie van de debietverhouding en het aantal capillairen bestudeerd. Er werd aangetoond dat deze twee parameters de belangrijkste parameters waren die de druppelgrootte beïnvloeden, in plaats van de water- en oliestroom. Tot slot werd aangetoond dat het capillairgetal dominanter is bij het bepalen van de druppelstraal in vergelijking met de debietverhouding [Lashkaripour et al. 2015 JAMECH].
Karakterisering van de druppelgrootte voor twee standaardtips (flow-focusing en T-junction)
Om deze karakterisering uit te voeren, hebben we besloten om de grootte te evalueren van de druppels gegenereerd door flow-focusing en T-junction met 2 gefluoreerde oliën die veel worden gebruikt in microfluidics. In onderstaande tabel vindt u de verkregen resultaten.
| Geometrie van de druppelgenerator | Druppelgrootte (µm) met FluoDrop 40* olie | Druppelgrootte (µm) met FluoDrop 7500* olie |
| Flow-focusing (DG-DM1-45) | 20 → 79 | 21 → 93 |
| T-junction (CS-10000176) ontwerp 1 | 98 → 312 | 60 → 494 |
| T-junction (CS-10000176) ontwerp 2 | 18 → 70,002 | 12 → 70 |
| T-junction (CS-10000176) ontwerp 3 | 11 → 79 | 22 → 78 |
| T-junction (CS-10000176) ontwerp 4 | 94 → 484 | 96 → 387 |
| T-junction (CS-10000176) ontwerp 5 | 270 → 876 | 345 → 700 |
*De viscositeit van HFE is 0,77 cSt en de viscositeit van FC40 is 2,2 cSt
Volgens de publicatie van Nekouei en Vanapalli (2017) toont de interpretatie van deze resultaten aan dat hoe hoger de viscositeit van de continue fase, hoe kleiner de gegenereerde druppels.
