• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Mémoire de Maîtrise
DOI
10.11606/D.3.2006.tde-05092006-130151
Document
Auteur
Nom complet
John Paul Hempel Lima
Adresse Mail
Unité de l'USP
Domain de Connaissance
Date de Soutenance
Editeur
São Paulo, 2006
Directeur
Jury
Andrade, Adnei Melges de (Président)
Hernandez, Emilio Del Moral
Zucolotto, Valtencir
Titre en portugais
Redes neurais artificiais aplicadas à otimização de processos de deposição de filmes finos poliméricos.
Mots-clés en portugais
filmes finos poliméricos
polímeros condutores
processos de fabricação
redes neurais artificiais
Resumé en portugais
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.
Titre en anglais
Artificial neural networks applied to the optimization of polymeric thin-films deposition processes.
Mots-clés en anglais
artificial neural networks
conductive polymers
polymeric thin films
processes
Resumé en anglais
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
 
AVERTISSEMENT - Regarde ce document est soumise à votre acceptation des conditions d'utilisation suivantes:
Ce document est uniquement à des fins privées pour la recherche et l'enseignement. Reproduction à des fins commerciales est interdite. Cette droits couvrent l'ensemble des données sur ce document ainsi que son contenu. Toute utilisation ou de copie de ce document, en totalité ou en partie, doit inclure le nom de l'auteur.
Date de Publication
2006-09-13
 
AVERTISSEMENT: Apprenez ce que sont des œvres dérivées cliquant ici.
Tous droits de la thèse/dissertation appartiennent aux auteurs
Centro de Informática de São Carlos
Bibliothèque Numérique de Thèses et Mémoires de l'USP. Copyright © 2001-2020. Tous droits réservés.