運用機器學習平台開發噴墨用高安定色漿

 

刊登日期:2020/11/5
  • 字級

史習岡、莊文斌、張信貞/工研院材化所
 
本文介紹以工研院材化所建立之機器學習平台(MACSiMUM)輔助進行高安定色漿之開發。利用少量高準度數據整理,進行機器學習平台的神經網路模型建立與演算法參數調整進行分析計算,藉由建立好之機器學習模型,可快速預測不同研磨分散製程參數條件所得之色漿平均粒徑及粒徑分布度,與實際驗證實驗之結果比對,確認機器學習預測的相對準確率。由Adam演算法建立之機器學習模型預測研磨分散結果的平均粒徑之相對準確率達95.2%以上、預測粒徑分布之相對準確率達92.4%以上。根據目前建立之機器學習模型可快速預測研磨分散結果,有效幫助開發高安定性色漿。
 
【內文精選】
前 言
數位噴墨印刷(Inkjet Printing)具有高精細度、快速設計製樣、自動化節能省材之優勢,其應用廣泛多元,包含民生用品、工業部件標示、電子電路板印刷等。數位噴印墨水依溶劑使用,大致上可分為:有機溶劑型、水性溶液型及UV光固化型,其墨水組成與設計概念大不相同。其中,粉體漿料則為各類型墨水中不可或缺的項目,且扮演重要角色。粉體漿料依照印刷載具不同的應用功能,能為墨膜成品提供色彩、光澤、折射率、導電性、耐熱/燃性等。而粉體漿料需具備高分散安定性及良好的相容性才能應用於墨水配方,特別是針對噴墨印刷使用之粉體漿料/色漿,對於安定性要求最為嚴格,且粉體粒徑尺寸須符合噴墨頭之限制。
 
粉體漿料研磨分散(Grinding and Dispersion)主要需先經過粉體分析篩選及分散劑分析篩選後進行研磨分散配方設計,研磨分散配方設計主要是進行粉體、分散劑及溶媒的搭配,所以粉體需經過材料型態/形貌分析(Morphology)、表面分析(Surface Analysis)和基本的物理性質(Physical Properties)分析,由分析結果及選定之溶媒目標進行分散劑的篩選搭配,使整體分散系統穩定(如圖一)。依先前提及墨水的分類,粉體漿料的溶媒也可分為:有機溶劑、水溶液及UV液體單體;完成研磨分散之配方設計後,可進行研磨分散製程參數探討以得到高分散安定性粉體漿料。本文介紹以工研院材料與化工研究所的機器學習(Machine Learning)平台作為輔助,探討運用研磨分散製程參數進行高安定性噴墨用粉體漿料之開發。
 
圖一、微粒粉體分散系統
圖一、微粒粉體分散系統
 
白色UV粉體漿料
彩色數位噴印墨水大多主要為Y (Yellow)、M (Magenta)、C (Cyan)、K (Black)四色及白色W (White)。以往大宗印刷其基材顏色皆以白底居多,故不需使用白色噴印墨水;然而現今數位噴印應用廣泛,已從一般文藝製品和民生用品轉到工業化製品,應用範圍更廣泛的情形以致於必須印製在黑色或深色之基材上,使得白色噴印墨水需求越趨成長。白色噴印墨水使用二氧化鈦(Titanium Dioxide, TiO2)作成之粉體漿料為主而呈現白色,主要係因為二氧化鈦具有高遮蓋率較容易蓋過各色底材,二氧化鈦的粉體白色色度高、顯色效果好且耐候及安定性佳;此外,二氧化鈦粉體密度為3.96 g/cm3、粉體間作用力(Hamaker Constant)達43,故相對於其他粉體而言,分散安定化難度較高也易沉降。本文以一支市售商品二氧化鈦(C-8)進行研磨分散安定化製程探討,其特性規格如表一…以上為部分節錄資料,完整內容請見下方附檔。
 
表一、本研究使用之二氧化鈦粉體性質
表一、本研究使用之二氧化鈦粉體性質
 
★本文節錄自《工業材料雜誌407期,更多資料請見下方附檔。

分享