Publicação: Desenvolvimento de modelos neurais e florestas aleatórias para estudo de tintas da indústria gráfica
Carregando...
Arquivos
Data
Autores
Orientador
Nascimento, Érica Regina Filletti 
Coorientador
Pós-graduação
Curso de graduação
Engenharia Química - IQ
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (Unesp)
Tipo
Trabalho de conclusão de curso
Direito de acesso
Acesso aberto
Resumo
Resumo (português)
O Brasil ocupa a 5ª posição no mercado mundial de tintas. As tintas
produzidas são encontradas das mais diversas formas de emulsões, dispersões ou
pastas pigmentárias e são utilizadas para os mais diferentes fins, em especial serão
estudadas neste projeto aquelas que fazem parte do processo de rotogravura, na
qual as características da tinta são determinantes para um bom resultado na
impressão. Um estudo recente mostra que Oshiro (2019) utilizou infravermelho
médio por transformada de Fourier com o dispositivo de reflexão total atenuada para
realizar análise de viscosidade, densidade e teor de sólidos das tintas. Considerando
tais comprovações, este projeto busca combinar a espectroscopia de infravermelho
com as Redes Neurais Artificiais (RNAs) para dois diferentes fins: estimar a
viscosidade, a densidade e o teor de sólidos de tintas brancas e pretas e, usando
estes mesmos parâmetros, classificar essas tintas de acordo com sua coloração,
para este último também será utilizado outro tipo de aprendizado de máquina: as
Florestas Aleatórias (randomForest). Tanto a RNA quanto as Florestas possuem a
vantagem de fornecer resultados altamente precisos com muita rapidez e pouco
esforço computacional. Os resultados das RNAs criadas para o problema de
estimativa dos parâmetros das tintas gráficas foram satisfatórios. Para o caso das
tintas brancas e pretas separadas e juntas, as RNAs dos três parâmetros avaliados
atingiram valores próximos dos reais. É importante destacar que o parâmetro de
viscosidade foi o que apresentou os maiores erros percentuais nos três casos,
possivelmente devido aos seus valores, tanto para tinta preta quanto para tinta
branca, variarem muito de uma amostra para outra, essa observação se deve ao
fato de que a viscosidade está relacionada principalmente à composição inorgânica
das amostras. Já para a classificação das tintas tanto a RNA quanto a Floresta
aleatória apresentaram resultados altamente precisos classificando corretamente
todas as amostras.
Resumo (inglês)
Brazil occupies the 5th position in the world paint market. The inks produced
are found in the most diverse forms of emulsions, dispersions or pigmentpastes and
are used for the most different purposes, especially those that are part of the
rotogravure process will be studied, in which the characteristics of the ink are
determinant for a good result in printing. A recent study shows that Oshiro (2019)
used fourier-transformed medium infrared with the attenuated total reflection device
to perform viscosity, density and solids content analysis of the paints. Considering
such evidence, this project seeks to combine infrared spectroscopy with Artificial
Neural Networks (RNAs) for two different purposes: estimating the viscosity, density
and solids content of white and black inks and, using these same parameters,
classifying these inks according to their coloration, for the latter another type of
machine learning will also be used: Random Forests (randomForest). Both RNA and
Forests have the advantage of providing highly accurate results with great speed and
little computational effort. The results of the RNAs created for the problem of
estimating the parameters of the graphic inks were satisfactory. For the case of
separate white and black inks and joints, the RNAs of the three parameters
evaluated reached values close to the real ones. It is important to highlight that the
viscosity parameter was the one that presented the highest percentage errors in the
three cases, possibly due to their values, both for black ink and white ink, vary ing a
lot from one sample to another, this observation is due to the fact that viscosity is
mainly related to the inorganic composition of the samples. For the classification of
paints, both RNA and random forest showed highly accurate results correctly
classifying all samples.
Descrição
Palavras-chave
Redes neurais artificiais, Florestas aleatórias, Tintas da indústria gráfica
Idioma
Português
