Tobón López, Jorge Hernando2025-02-042025-02-042024https://dspace.unila.edu.br/handle/123456789/8800Trabalho de Conclusão do Curso apresentado ao Instituto Latino-Americano de Tecnologia, Infraestruturae Território da Universidade Federal da Integração Latino-Americana, como requisito parcial para à obtenção do título de bacharel em Engenharia de Materiais.A crescente demanda por materiais sustentáveis e de alto desempenho tem impulsionado o interesse no uso de ferramentas avançadas, como Redes Neurais Artificiais (RNAs), no desenvolvimento de biocompósitos. Essas ferramentas permitem prever as propriedades dos materiais, como aqueles que combinam o Poli(ácido láctico) (PLA), um polímero biodegradável amplamente utilizado em diferentes campos da engenharia, e nanocristais de celulose (NCC), um reforço renovável com propriedades relevantes. O objetivo foi explorar o uso de Redes Neurais Artificiais (RNAs) para prever o comportamento e as propriedades mecânicas de nanocompósitos de PLA/NCC, preparados por processos de extrusão e injeção. O estudo detalha a preparação de nanocompósitos de PLA reforçados com NCC, seguida de ensaios de tração para avaliar suas propriedades mecânicas, na sequência, modelos matemáticos baseados em RNAs são explorados para previsão do comportamento e das propriedades mecânicas. Os resultados e contribuições indicam que a adição de NCCs, na composição escolhida (1%, 3% e 5% de NCC em massa), impacta negativamente nas propriedades de tração, incluindo o módulo de Young (redução de 25% em média, comparado ao PLA puro), conforme evidenciado pela matriz de correlação de Pearson. Isso sugere que a incorporação de partículas rígidas, abaixo do limite de percolação, reduz a capacidade de deformação do PLA, prejudicando suas propriedades finais. Um modelo preditivo de rede neural foi desenvolvido e aplicado para modelar as curvas tensão-deformação, permitindo a previsão precisa de parâmetros mecânicos como tensão máxima, módulo de Young e alongamento máximo. Os resultados mostram que o modelo de RNA exibiu valores de RMSE (Root Means Squared Error) próximo de zero e R² de 0,999, demostrando uma alta correspondência entre valores preditos e experimentais, bem como uma adequada precisão do modelo e a eficiência das RNAs na predição do comportamento e propriedades dos nanocompósitos. Outra contribuição deste estudo foi o desenvolvimento de um software para calcular os parâmetros que caracterizam as propriedades das curvas do ensaio de tração. A aplicação do modelo de RNA e do software desenvolvido, mostrou-se uma alternativa eficiente para reduzir a necessidade de extensos experimentos físicos, economizando tempo, custos e recursos na caracterização destes materiais. Além disso, a abordagem utilizada pode ser empregada em outros tipos de materiais. Resumen La creciente demanda de materiales sostenibles y de alto rendimiento ha impulsado el interés en el uso de herramientas avanzadas, como Redes Neuronales Artificiales (RNAs), en el desarrollo de biocompuestos. Estas herramientas permiten predecir las propiedades de los materiales, como aquellos que combinan el Poli(ácido láctico) (PLA), un polímero biodegradable ampliamente utilizado en diferentes campos de la ingeniería, y nanocristales de celulosa (NCC), un refuerzo renovable con propiedades relevantes. El objetivo fue explorar el uso de Redes Neuronales Artificiales (RNAs) para predecir el comportamiento y las propiedades mecánicas de nanocompuestos de PLA/NCC, preparados mediante procesos de extrusión e inyección. El estudio detalla la preparación de nanocompuestos de PLA reforzados con NCC, seguida de ensayos de tracción para evaluar sus propiedades mecánicas. Posteriormente, se exploran modelos matemáticos basados en RNAs para predecir el comportamiento y las propiedades mecánicas. Los resultados y contribuciones indican que la adición de NCCs, en la composición elegida (1%, 3% y 5% en masa de NCC), impacta negativamente las propiedades de tracción, incluyendo el módulo de Young (reducción promedio del 25% en comparación con el PLA puro), como lo evidencia la matriz de correlación de Pearson. Esto sugiere que la incorporación de partículas rígidas, por debajo del límite de percolación, reduce la capacidad de deformación del PLA, perjudicando sus propiedades finales. Se desarrolló y aplicó un modelo predictivo de red neuronal para modelar las curvas tensión-deformación, lo que permitió predecir con precisión parámetros mecánicos como la tensión máxima, el módulo de Young y el alargamiento máximo. Los resultados muestran que el modelo de RNA exhibió valores de RMSE (Root Mean Squared Error) cercanos a cero y un R² de 0,999, demostrando una alta correspondencia entre valores predichos y experimentales, así como una adecuada precisión del modelo y la eficiencia de las RNAs en la predicción del comportamiento y propiedades de los nanocompuestos. Otra contribución de este estudio fue el desarrollo de un software para calcular los parámetros que caracterizan las propiedades de las curvas del ensayo de tracción. La aplicación del modelo de RNA y del software desarrollado se mostró como una alternativa eficiente para reducir la necesidad de extensos experimentos físicos, ahorrando tiempo, costos y recursos en la caracterización de estos materiales. Además, el enfoque utilizado puede emplearse en otros tipos de materiales.openAccesspoli(ácido láctico)nanocristais de celuloseRedes neurais (Neurobiologia)Nanocompósitos (Materiais)poly(lactic acid)cellulose nanocrystalsneural networks (Neurobiology)nanocomposites (Materials)