Modelagem empírica multivariada aplicada a dados no infravermelho médio para predição de propriedades mecânicas do poli(tereftalato de etileno)-PET

• Ano de defesa: 2010
• Autor(a) principal: Fonseca Caetano, Viviane
• Orientador(a): Maria Vinhas, Glória
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Pernambuco
• Palavras-chave em Português: Espectroscopia MIR; Calibração multivariada; Poli(tereftalato de etileno); Ensaios mecânicos
• Link de acesso: https://repositorio.ufpe.br/handle/123456789/6333

Neste trabalho, foram construídos modelos empíricos multivariados empregando a espectroscopia MIR associada à calibração multivariada para determinação das propriedades mecânicas resistência à tração na ruptura (), módulo de elasticidade (E) e percentual de alongamento (%) do poliéster poli(tereftalato de etileno)-PET. As amostras de filmes de PET (92) foram coletadas de uma indústria de Pernambuco e submetidas a ensaios mecânicos na máquina universal de ensaio (método de referência). Com o objetivo de ampliar as faixas de variação destas propriedades, 48 destas amostras foram expostas à radiação gama nas doses de 25, 60, 120, 240 e 500 kGy. Os espectros foram obtidos pelas técnicas de transmissão direta (TD) e reflexão total atenuada (ATR), utilizando um espectrofotômetro FTIR, na faixa espectral de 600-4000 cm-1, com resolução de 4,0 cm-1 e 8 varreduras. Os espectros foram submetidos a diversos pré-processamentos como suavização e derivadas pelo algoritmo Savitzy-Golay (SG), empregando-se diferentes tamanhos de janelas; variação normal padrão (SNV-Standard Normal Variate) e correção multiplicativa do sinal (MSC-Multiplicative Scatter Correction), como também combinações de algumas destas. Foram desenvolvidos modelos por Regressão por Mínimos Quadrados Parciais (PLS - Partial Least Squares), utilizando o algoritmo Jack-Knife para seleção dos fatores e por Regressão Linear Múltipla (MLR Multiple Linear Regression), empregando o Algoritmo das Projeções Sucessivas (SPA Sucessive Projection Algorithm) para seleção das variáveis espectrais. Para escolha do número de fatores (PLS) ou variáveis (MLR-SPA) foi usado a validação cruzada completa e para seleção dos conjuntos de calibração e validação externa foi empregado o algoritmo SPXY (Sample set Partitioning based on joint x-y distances). A capacidade preditiva dos modelos PLS e MLR foi avaliada de acordo com os erros de previsão (RMSEP) para o conjunto de validação externa. Sendo assim, os modelos construídos apresentaram desempenho semelhante para a, visto que os valores do RMSEP foram equivalentes à estimativa da repetitividade do método convencional. Para o módulo de elasticidade, apenas os modelos com espectros após derivação SG e combinação da derivada SG e SNV tiveram capacidade preditiva satisfatória para as técnicas de ATR e TD, respectivamente. Já para o %não foi possível a construção de modelos com as técnicas utilizadas. Portanto, a espectroscopia MIR associada à calibração multivariada mostrou-se eficiente para previsão dae E do PET, com erros de previsão equivalentes à repetitividade do ensaio convencional