20 resultados para Solubility parameters
Resumo:
A indústria dos curtumes é uma das indústrias mais antigas e tradicionais de Portugal e é também uma das mais poluentes. Esta indústria produz muitos resíduos sólidos, entre os quais, está o pelo de bovino. A valorização deste resíduo permite reduzir o impacto ambiental e aumentar a eco-eficiência da indústria dos curtumes. O pelo de bovino, rico em queratina, é um bom candidato para a produção de biofilmes. O objetivo deste trabalho foi a valorização de um resíduo de indústria de curtume (pelo de bovino) através da produção de filmes à base de queratina por termocompressão. Foi estudada a melhor formulação e as condições operatórias mais favoráveis com a finalidade de melhorar as propriedades mecânicas dos filmes. O trabalho realizado durante este projeto dividiu-se em 5 partes: preparação do material, caracterização do material, seleção do pré-tratamento, produção de filmes e caracterização dos filmes. Foram produzidos filmes para a seleção do pré-tratamento e para a respetiva caracterização. Os pré-tratamentos testados foram: tratamento com detergente, tratamento com detergente e sulfureto de sódio e, tratamento com detergente e éter de petróleo. O pré-tratamento selecionado foi o tratamento com detergente. Para a produção de filmes para a posterior caracterização, foram escolhidos 4 conjuntos de condições operatórias diferentes: 160 oC – 147 kN – 8 min – 30% glicerol; 160 oC – 147 kN – 12 min – 30% glicerol; 160 oC – 147 kN – 8 min – 40% glicerol; 160 oC – 147 kN – 12 min – 40% glicerol; identificados como Conjuntos A, B, C e D, respetivamente. Na caracterização dos filmes foram analisados vários parâmetros, nomeadamente a espessura, a permeabilidade ao vapor de água ao vapor de água, as isotérmicas de sorção, a cor, a solubilidade e as propriedades mecânicas. Também foram feitas as análises de calorimetria diferencial de varrimento (DSC) e microscopia eletrónica de varrimento (SEM). Concluiu-se que os filmes do conjunto A (160 oC – 147 kN – 8 min – 30% glicerol) tiveram um melhor desempenho apresentando espessuras médias de 0,25 0,02 mm, permeabilidade ao vapor de água ao vapor de água igual a 1,20 x 10-8 6,79 x 10-10 g/(m.s.Pa), solubilidade igual a 27,9 0,4 %, tensão de rutura média igual a 9,23 1,19 N/mm2, deformação na rutura média igual a 1,9 0,2 % e módulo de elasticidade médio igual a 554 26 N/mm2. Verificou-se um bom ajuste do modelo de GAB aos resultados experimentais. A análise DSC indicou uma temperatura de fusão aos 170 ºC para a mistura de pelo e glicerol que não se verificou nos filmes formados e indicou a temperatura de degradação do material por volta dos 240-250 ºC. A análise SEM mostrou que os filmes não estão totalmente fundidos e provou a irregularidade da superfície dos mesmos. Provou-se que é possível a produção de filmes de pelo bovino sendo ainda necessário melhorar o processo de mistura do pelo com o glicerol.
Resumo:
23rd Euromicro International Conference on Parallel, Distributed, and Network-Based Processing (PDP 2015). 4 to 6, Mar, 2015. Turku, Finland.
Resumo:
Demo presented in 12th Workshop on Models and Algorithms for Planning and Scheduling Problems (MAPSP 2015). 8 to 12, Jun, 2015. La Roche-en-Ardenne, Belgium. Extended abstract.
Resumo:
In the last two decades, small strain shear modulus became one of the most important geotechnical parameters to characterize soil stiffness. Finite element analysis have shown that in-situ stiffness of soils and rocks is much higher than what was previously thought and that stress-strain behaviour of these materials is non-linear in most cases with small strain levels, especially in the ground around retaining walls, foundations and tunnels, typically in the order of 10−2 to 10−4 of strain. Although the best approach to estimate shear modulus seems to be based in measuring seismic wave velocities, deriving the parameter through correlations with in-situ tests is usually considered very useful for design practice.The use of Neural Networks for modeling systems has been widespread, in particular within areas where the great amount of available data and the complexity of the systems keeps the problem very unfriendly to treat following traditional data analysis methodologies. In this work, the use of Neural Networks and Support Vector Regression is proposed to estimate small strain shear modulus for sedimentary soils from the basic or intermediate parameters derived from Marchetti Dilatometer Test. The results are discussed and compared with some of the most common available methodologies for this evaluation.
Resumo:
In the last two decades, small strain shear modulus became one of the most important geotechnical parameters to characterize soil stiffness. Finite element analysis have shown that in-situ stiffness of soils and rocks is much higher than what was previously thought and that stress-strain behaviour of these materials is non-linear in most cases with small strain levels, especially in the ground around retaining walls, foundations and tunnels, typically in the order of 10−2 to 10−4 of strain. Although the best approach to estimate shear modulus seems to be based in measuring seismic wave velocities, deriving the parameter through correlations with in-situ tests is usually considered very useful for design practice.The use of Neural Networks for modeling systems has been widespread, in particular within areas where the great amount of available data and the complexity of the systems keeps the problem very unfriendly to treat following traditional data analysis methodologies. In this work, the use of Neural Networks and Support Vector Regression is proposed to estimate small strain shear modulus for sedimentary soils from the basic or intermediate parameters derived from Marchetti Dilatometer Test. The results are discussed and compared with some of the most common available methodologies for this evaluation.