Detalhes bibliográficos
| Ano de defesa: |
2024 |
| Autor(a) principal: |
Cruz, Marco Antonio Galindo [UNESP] |
| Orientador(a): |
Não Informado pela instituição |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Universidade Estadual Paulista (Unesp)
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: |
|
| Link de acesso: |
https://hdl.handle.net/11449/259129
|
Resumo: |
Com a crescente necessidade de soluções sustentáveis e a grande quantidade de pneus em fim de vida descartados inadequadamente, investigou-se o uso do negro de carbono recuperado (NCR) proveniente da pirólise de pneus como reforço para compósitos de borracha. Este estudo considerou o NCR como uma alternativa ao negro de carbono comercial, devido à sua sustentabilidade e à redução das emissões de CO2. Foram produzidos compósitos com diferentes teores de NCR (0 a 50 partes por cem de borracha) e avaliadas suas propriedades mecânicas, tais como dureza, resistência à abrasão e testes reométricos. Os resultados foram utilizados para treinar Redes Neurais Artificiais (RNAs) com o software Matlab para prever os teores de NCR. Os parâmetros de entrada incluíram o tempo de cura ótimo, torque mínimo e máximo, e os resultados dos testes mecânicos, como dureza Shore A e perda por abrasão. O modelo foi treinado com dados de 90 amostras, sendo 10 reservados para validação. As previsões resultantes corresponderam estreitamente aos dados experimentais, com um erro máximo de previsão inferior a 3%. Isso indica que as RNAs são ferramentas eficazes para modelar de forma inteligente o processo de cura de misturas de borracha natural, minimizando o desperdício de material, otimizando o tempo de produção e determinando teores adequados de negro de fumo para alcançar as propriedades mecânicas desejadas. |
