O objetivo deste trabalho é otimizar formulações de estabilizantes térmicos para PVC (policloreto de vinila) pelo uso de técnicas de projetos de mistura, estendida a problemas com informação incompleta. O problema de mistura consiste em minimizar o custo de formulação enquanto se obtém um produto que satisfaça especificações técnicas e de mercado. No caso estudado, as formulações são misturas de 8 a 10 componentes, em sua grande maioria, escolhidos a partir de 16 compostos básicos. Cada composto confere diferente característica à formulação final, podendo existir interação entre eles. As características de interesse das misturas foram obtidas a partir das análises reológicas do composto de PVC, obtidas em um reômetro de torque (modelo Haake), em que foram usadas as formulações dos estabilizantes. Resultados contidos em um banco de dados, em que muitos testes diferentes e formulações comerciais foram analisados, foram aproveitados para a construção dos modelos correlacionando estas características com a composição. Como o número de experimentos que seriam necessários para obter a informação completa para a descrição da mistura seria proibitivo, modelos de mistura foram construídos usando regressão por componentes principais (PCR) e mínimos quadrados parciais (PLS). O problema de projeto de misturas foi traduzido em termos de problemas de programação linear e não linear, dependendo do tipo do modelo. Para evitar problemas de extrapolação que poderiam resultar devido à pobreza da informação, equações adicionais que restringem a solução ao conjunto onde a informação foi avaliada (o espaço gerado pelos componentes principais, definidos a partir da correlação) foram adicionados ao problema. Este procedimento corresponde a uma inovação com relação ao problema de mistura. Os resultados obtidos com os modelos são comparados com experimentos para validação do estudo executado. / The objective of this work is to optimize the formulations of heat stabilizers for PVC (Poly Vinyl Chloride) by means of mixture design techniques extended to deal with problems with incomplete information. The mixture design problem consists in minimizing the cost of the formulation while obtaining a product that satisfies technical and market specifications. In the case studied, the formulations are mixtures of 8 to 10 components chosen out from 16 basic compounds. Each of the compounds confers different characteristics to the final formulation, and there can be interactions between them. The characteristics of interest of the mixtures are obtained from assays performed in a standard torque rheometer (Haake model) for different stabilizer formulations. Data from a database, in which many different test and commercial formulations are recorded, were used in order to build models that correlate the properties with the compositions. As the number of data points that would be needed in order to obtain the necessary information for a complete description of the mixture would be prohibitive, mixture models were built using Principal Components Regression (PCR) and Pseudo-Least Squares Regression (PLS). The mixture design problem was expressed in terms of Linear and Nonlinear programming techniques, depending on the type of model used. In order to avoid extrapolation problems that would result from the poor availability of information, additional equations that confines the solution to the subset where information is available (the space spanned by the main loading vectors retained for correlation) are added to the problem. This is an extension to the standard mixture design problem. Solutions obtained are compared to validation experiments.
Identifer | oai:union.ndltd.org:usp.br/oai:teses.usp.br:tde-23112005-200018 |
Date | 26 September 2005 |
Creators | Cruz, Ulisses Gomes da |
Contributors | Roux, Galo Antonio Carrillo Le |
Publisher | Biblioteca Digitais de Teses e Dissertações da USP |
Source Sets | Universidade de São Paulo |
Language | Portuguese |
Detected Language | Portuguese |
Type | Dissertação de Mestrado |
Format | application/pdf |
Rights | Liberar o conteúdo para acesso público. |
Page generated in 0.0017 seconds