Um serviço digital da FCT Publicação
Modelação e previsão da performance e das propriedades do papel
| Resumo: | A performance do papel na impressão é reflexo das suas características ópticas, estruturais, mecânicas e físico-químicas. O estabelecimento de modelos quantitativos rigorosos que relacionem as propriedades específicas de cada tipo de papel com a sua imprimibilidade e que permitam efectuar previsões sobre o posterior comportamento/performance do papel reveste-se de uma enorme relevância. Estes modelos possibilitam que o fabricante e o impressor/consumidor possam fazer uma avaliação quantitativa, mais rápida e menos onerosa sobre os diferentes tipos de papel disponíveis no mercado. No presente trabalho foram analisados 286 papéis e cartolinas diferentes, de 12 fabricantes e 25 propriedades estruturais, ópticas, mecânicas e físico-químicas. Foi elaborada uma base de dados com 286 entradas a partir de dados recolhidos na literatura, de fichas técnicas e de informação de fabricantes. Numa segunda fase, a matriz de dados foi estendida com a determinação experimental em 19 papéis de uma propriedade físico-química, o pH da massa, usando para o efeito uma técnica potenciométrica e, em 15 papéis, de uma propriedade óptica, a opacidade, utilizando a densitometria de cor. A base de dados foi completada com o cálculo de uma propriedade estrutural de matriz, a densidade aparente, em 177 papéis. Foram analisadas e comparadas as capacidades de previsão e de interpretação de modelos construídos com base em duas metodologias distintas: Regressões Lineares Multiparamétricas (RLM) e Redes Neuronais Artificiais não Supervisionadas (Self- Organizing Maps - SOM). Concluiu-se que ambas se mostraram eficazes e que se complementam. As RLM superaram as SOM no desenvolvimento de modelos cujas propriedades envolvidas apresentavam comportamentos lineares, uma vez que permitem estabelecer equações matemáticas simples, de fácil aplicação e com níveis de previsão bastante elevados; por seu turno, as SOM têm a capacidade de classificar, conseguem extrair padrões e modelar comportamentos aparentemente estocásticos. Os modelos quantitativos foram estabelecidos com base em critérios estatísticos e procedimentos de validação muito exigentes. |
|---|---|
| Autores: | Ventura, Cristina; Martins, Filomena |
| Assunto: | Modelação Previsão Classificação Papel |
| Ano: | 2015 |
| País: | Portugal |
| Tipo de documento: | dissertação de mestrado |
| Identificadores: | ID: 201833530 |
| Tipo de acesso: | Aberto |
| Instituição associada: | Repositório Comum, Repositório Comum, Instituto Superior de Educação e Ciências, Repositório Comum, Instituto Superior de Ciências Educativas |
| Código do projeto financiado: | 201833530 |
| Idioma: | português |
| Origem: | Repositório Comum |
| Resumo: | A performance do papel na impressão é reflexo das suas características ópticas, estruturais, mecânicas e físico-químicas. O estabelecimento de modelos quantitativos rigorosos que relacionem as propriedades específicas de cada tipo de papel com a sua imprimibilidade e que permitam efectuar previsões sobre o posterior comportamento/performance do papel reveste-se de uma enorme relevância. Estes modelos possibilitam que o fabricante e o impressor/consumidor possam fazer uma avaliação quantitativa, mais rápida e menos onerosa sobre os diferentes tipos de papel disponíveis no mercado. No presente trabalho foram analisados 286 papéis e cartolinas diferentes, de 12 fabricantes e 25 propriedades estruturais, ópticas, mecânicas e físico-químicas. Foi elaborada uma base de dados com 286 entradas a partir de dados recolhidos na literatura, de fichas técnicas e de informação de fabricantes. Numa segunda fase, a matriz de dados foi estendida com a determinação experimental em 19 papéis de uma propriedade físico-química, o pH da massa, usando para o efeito uma técnica potenciométrica e, em 15 papéis, de uma propriedade óptica, a opacidade, utilizando a densitometria de cor. A base de dados foi completada com o cálculo de uma propriedade estrutural de matriz, a densidade aparente, em 177 papéis. Foram analisadas e comparadas as capacidades de previsão e de interpretação de modelos construídos com base em duas metodologias distintas: Regressões Lineares Multiparamétricas (RLM) e Redes Neuronais Artificiais não Supervisionadas (Self- Organizing Maps - SOM). Concluiu-se que ambas se mostraram eficazes e que se complementam. As RLM superaram as SOM no desenvolvimento de modelos cujas propriedades envolvidas apresentavam comportamentos lineares, uma vez que permitem estabelecer equações matemáticas simples, de fácil aplicação e com níveis de previsão bastante elevados; por seu turno, as SOM têm a capacidade de classificar, conseguem extrair padrões e modelar comportamentos aparentemente estocásticos. Os modelos quantitativos foram estabelecidos com base em critérios estatísticos e procedimentos de validação muito exigentes. |
|---|