Redes neurais artificiais aplicadas à otimização de processos de deposição de filmes finos poliméricos.

Detalhes bibliográficos
Ano de defesa: 2006
Autor(a) principal: John Paul Hempel Lima
Orientador(a): Adnei Melges de Andrade
Banca de defesa: Emilio Del Moral Hernandez, Valtencir Zucolotto
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade de São Paulo
Programa de Pós-Graduação: Engenharia Elétrica
Departamento: Não Informado pela instituição
País: BR
Link de acesso: https://doi.org/10.11606/D.3.2006.tde-05092006-130151
Resumo: Nesse trabalho é apresentado o estudo de redes neurais artificiais (RNAs) como sistemas de aprendizado, simulação e otimização de processos de deposição de filmes finos poliméricos. Duas técnicas de deposição comumente utilizadas para a fabricação de dispositivos eletrônicos e sensores poliméricos foram escolhidas: i) spin coating ou centrifugação e ii) automontagem. Na primeira técnica, a espessura final dos filmes finos obtidos foi a característica avaliada em função da velocidade de rotação, do tempo de rotação e da concentração da solução polimérica. Como material de deposição, utilizou-se a poli(o-metoxianilina) (POMA). Com a segunda técnica analisou-se a influência sobre a espessura, sobre a condutância elétrica e sobre o espectro de absorção, do número de bicamadas, do tempo de exposição dos filmes a uma solução dopante de ácido clorídrico (HCl) e do pH das mesmas. Os poliíons utilizados nessa técnica foram a polianilina (PAni) e o poli(vinil sulfato de sódio) (PVS). Os filmes obtidos pela segunda técnica de deposição constituem uma classe de sensores capazes de detectar e quantificar concentrações baixas de HCl diluído em água. Os treinamentos e simulações com redes neurais artificiais foram realizados apenas para a espessura dos filmes de POMA e a absorção dos filmes de PAni/PVS. Foram construídas redes neurais artificiais do tipo multilayer perceptron (MLP) utilizando o software MATLAB e o componente Neural Networks Toolbox. A reprodutibilidade e o número de neurônios contidos na camada intermediária foram avaliados. Os resultados mostram que as redes neurais artificiais treinadas fornecem boas respostas simuladas interpolando e extrapolando os valores experimentais utilizados. Como conclusão mostra-se que é possível a utilização dessa ferramenta para auxiliar a engenharia de processos, as técnicas e análises de deposições de filmes finos poliméricos.
id USP_822b8544d9048ed6c34c13b1d926f338
oai_identifier_str oai:teses.usp.br:tde-05092006-130151
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str
spelling info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesis Redes neurais artificiais aplicadas à otimização de processos de deposição de filmes finos poliméricos. Artificial neural networks applied to the optimization of polymeric thin-films deposition processes. 2006-05-05Adnei Melges de AndradeEmilio Del Moral HernandezValtencir ZucolottoJohn Paul Hempel LimaUniversidade de São PauloEngenharia ElétricaUSPBR artificial neural networks conductive polymers filmes finos poliméricos polímeros condutores polymeric thin films processes processos de fabricação redes neurais artificiais Nesse trabalho é apresentado o estudo de redes neurais artificiais (RNAs) como sistemas de aprendizado, simulação e otimização de processos de deposição de filmes finos poliméricos. Duas técnicas de deposição comumente utilizadas para a fabricação de dispositivos eletrônicos e sensores poliméricos foram escolhidas: i) spin coating ou centrifugação e ii) automontagem. Na primeira técnica, a espessura final dos filmes finos obtidos foi a característica avaliada em função da velocidade de rotação, do tempo de rotação e da concentração da solução polimérica. Como material de deposição, utilizou-se a poli(o-metoxianilina) (POMA). Com a segunda técnica analisou-se a influência sobre a espessura, sobre a condutância elétrica e sobre o espectro de absorção, do número de bicamadas, do tempo de exposição dos filmes a uma solução dopante de ácido clorídrico (HCl) e do pH das mesmas. Os poliíons utilizados nessa técnica foram a polianilina (PAni) e o poli(vinil sulfato de sódio) (PVS). Os filmes obtidos pela segunda técnica de deposição constituem uma classe de sensores capazes de detectar e quantificar concentrações baixas de HCl diluído em água. Os treinamentos e simulações com redes neurais artificiais foram realizados apenas para a espessura dos filmes de POMA e a absorção dos filmes de PAni/PVS. Foram construídas redes neurais artificiais do tipo multilayer perceptron (MLP) utilizando o software MATLAB e o componente Neural Networks Toolbox. A reprodutibilidade e o número de neurônios contidos na camada intermediária foram avaliados. Os resultados mostram que as redes neurais artificiais treinadas fornecem boas respostas simuladas interpolando e extrapolando os valores experimentais utilizados. Como conclusão mostra-se que é possível a utilização dessa ferramenta para auxiliar a engenharia de processos, as técnicas e análises de deposições de filmes finos poliméricos. In this work it is shown a study of artificial neural networks used as learning and simulating systems to optimize polymeric thin films deposition processes. Two common layer deposition techniques to fabricate polymeric electronic devices and polymeric sensors were chosen: i) spin coating and ii) self-assembly. In the first technique the final thickness of obtained thin films was the analyzed characteristic as a function of spin speed, spin time and solution concentration. For the deposited layers we used poly(o-methoxyaniline) (POMA). In the second technique we analyzed the influence of the number of bilayers, the pH of deposition solutions and the dipping time in the final thickness, electrical resistance and UV-Vis absorption spectra. As polyions, we used polyaniline (PAni) and poly(vinyl sodium sulfate) (PVS). These films could be used as a sensor to detect low concentrations of HCl diluted in water. After obtaining the experimental data we constructed artificial neural networks using multilayer perceptrons (MLP) architecture with MATLAB and its component called Neural Networks Toolbox. The number of neurons in the hidden layer and the reproducibility were analyzed. The results show that the trained artificial neural networks used in this work provide good simulation responses interpolating and extrapolating the experimental data. As a conclusion we show that it is possible to utilize this tool to aid the process engineering and the polymeric thin film deposition techniques and analysis https://doi.org/10.11606/D.3.2006.tde-05092006-130151info:eu-repo/semantics/openAccessporreponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USP2023-12-21T18:16:34Zoai:teses.usp.br:tde-05092006-130151Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212016-07-28T16:09:50Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.pt.fl_str_mv Redes neurais artificiais aplicadas à otimização de processos de deposição de filmes finos poliméricos.
dc.title.alternative.en.fl_str_mv Artificial neural networks applied to the optimization of polymeric thin-films deposition processes.
title Redes neurais artificiais aplicadas à otimização de processos de deposição de filmes finos poliméricos.
spellingShingle Redes neurais artificiais aplicadas à otimização de processos de deposição de filmes finos poliméricos.
John Paul Hempel Lima
title_short Redes neurais artificiais aplicadas à otimização de processos de deposição de filmes finos poliméricos.
title_full Redes neurais artificiais aplicadas à otimização de processos de deposição de filmes finos poliméricos.
title_fullStr Redes neurais artificiais aplicadas à otimização de processos de deposição de filmes finos poliméricos.
title_full_unstemmed Redes neurais artificiais aplicadas à otimização de processos de deposição de filmes finos poliméricos.
title_sort Redes neurais artificiais aplicadas à otimização de processos de deposição de filmes finos poliméricos.
author John Paul Hempel Lima
author_facet John Paul Hempel Lima
author_role author
dc.contributor.advisor1.fl_str_mv Adnei Melges de Andrade
dc.contributor.referee1.fl_str_mv Emilio Del Moral Hernandez
dc.contributor.referee2.fl_str_mv Valtencir Zucolotto
dc.contributor.author.fl_str_mv John Paul Hempel Lima
contributor_str_mv Adnei Melges de Andrade
Emilio Del Moral Hernandez
Valtencir Zucolotto
description Nesse trabalho é apresentado o estudo de redes neurais artificiais (RNAs) como sistemas de aprendizado, simulação e otimização de processos de deposição de filmes finos poliméricos. Duas técnicas de deposição comumente utilizadas para a fabricação de dispositivos eletrônicos e sensores poliméricos foram escolhidas: i) spin coating ou centrifugação e ii) automontagem. Na primeira técnica, a espessura final dos filmes finos obtidos foi a característica avaliada em função da velocidade de rotação, do tempo de rotação e da concentração da solução polimérica. Como material de deposição, utilizou-se a poli(o-metoxianilina) (POMA). Com a segunda técnica analisou-se a influência sobre a espessura, sobre a condutância elétrica e sobre o espectro de absorção, do número de bicamadas, do tempo de exposição dos filmes a uma solução dopante de ácido clorídrico (HCl) e do pH das mesmas. Os poliíons utilizados nessa técnica foram a polianilina (PAni) e o poli(vinil sulfato de sódio) (PVS). Os filmes obtidos pela segunda técnica de deposição constituem uma classe de sensores capazes de detectar e quantificar concentrações baixas de HCl diluído em água. Os treinamentos e simulações com redes neurais artificiais foram realizados apenas para a espessura dos filmes de POMA e a absorção dos filmes de PAni/PVS. Foram construídas redes neurais artificiais do tipo multilayer perceptron (MLP) utilizando o software MATLAB e o componente Neural Networks Toolbox. A reprodutibilidade e o número de neurônios contidos na camada intermediária foram avaliados. Os resultados mostram que as redes neurais artificiais treinadas fornecem boas respostas simuladas interpolando e extrapolando os valores experimentais utilizados. Como conclusão mostra-se que é possível a utilização dessa ferramenta para auxiliar a engenharia de processos, as técnicas e análises de deposições de filmes finos poliméricos.
publishDate 2006
dc.date.issued.fl_str_mv 2006-05-05
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://doi.org/10.11606/D.3.2006.tde-05092006-130151
url https://doi.org/10.11606/D.3.2006.tde-05092006-130151
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade de São Paulo
dc.publisher.program.fl_str_mv Engenharia Elétrica
dc.publisher.initials.fl_str_mv USP
dc.publisher.country.fl_str_mv BR
publisher.none.fl_str_mv Universidade de São Paulo
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1786376583490043904