پیش‌بینی ویژگی‌های کاغذهای استیله‌شده و تقویت شده با نانوسلولز با استفاده از شبکه‌های عصبی مصنوعی

نوع مقاله : مقاله کامل علمی پژوهشی

نویسندگان

1 دانشجوی دکتری دانشگاه علوم کشاورزی و منابع طبیعی گرگان

2 عضو هیئت علمی دانشگاه علوم کشاورزی و منابع طبیعی گرگان

3 عضو هیئت علمی دانشگاه علوم کشاورزی و منابع طبیعی ساری

چکیده

سابقه و هدف: ویژگی‌های مقاومتی و ممانعتی، از جمله مهم‌ترین ویژگی‌های مورد نیاز برای انواع کاغذ، به‌ ویژه کاغذهای چاپ و بسته‌بندی می‌باشند. بنابراین یکی از زمینه‌های مهم تحقیقاتی در صنعت کاغذ، تحقیق در راستای بهبود این ویژگی‌ها است. در این پژوهش، برای نخستین‌بار از شبکه‌های عصبی مصنوعی در پیش‌بینی ویژگی‌های مقاومتی و ممانعتی کاغذهای استیله‌شده و تقویت‌شده با نانوسلولز استفاده شد.

مواد و روش‌ها: سلولز نانوفیبریله‌شده (NFC)، از خمیرکاغذ رنگ‌بری شده تجارتی با روش آسیاب تولید شد. اصلاح کاغذ با دو روش، استیله کردن خمیر پیش از ساخت کاغذ و استیله کردن کاغذ ساخته شده، انجام شد. فرآیند استیله کردن خمیر و کاغذ، در فاز مایع و در دمای 70 درجه سانتیگراد به مدت 5/0، 1 و 3 ساعت انجام گرفت. موفقیت اصلاح شیمیایی با استفاده از طیف‌سنجی مادون قرمز اثبات شد. دو نوع کاغذ (ترکیبی و غیرترکیبی) ساخته شد. ویژگی‌های کاغذها شامل ضخامت، وزن پایه، حجیمی، طول پارگی، مقاومت به پاره شدن و ممانعت به جذب آب اندازه‌گیری شدند. در طراحی شبکه عصبی مصنوعی، نوع تیمار (تیمار الیاف و تیمار کاغذ)، زمان تیمار( 5/0، 1 و 3 ساعت) و نوع کاغذ (ترکیبی و غیرترکیبی) به‌عنوان ورودی و ویژگی های فیزیکی، مقاومتی و ممانعتی کاغذ شامل حجیمی، طول پارگی، مقاومت به پاره شدن و ممانعت به جذب آب به‌عنوان خروجی در نظر گرفته شدند.

یافته‌ها: بین همه کاغذها، ضعیف‌ترین ویژگی‌های کاغذ مربوط به کاغذ ساخته شده از خمیر استیله‌شده بود. بهترین ویژگی‌های کاغذ با استیله کردن کاغذ ترکیبی حاصل شد. براساس نتایج، استیله‌کردن کاغذ تأثیر معنی‌داری بر ویژگی‌های فیزیکی و مکانیکی کاغذ نداشته است (05/0

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Prediction of nanofibrillated cellulose reinforced acetylated papers properties using artificial neural networks

نویسندگان [English]

  • Mojdeh Mashkour 1
  • Elyas Afra 2
  • Hossein Resalati 3
1
2
3
چکیده [English]

Background and objectives: The strength and barrier properties are some of the most important required features for kinds of paper, especially printing and packaging paper. So one of the important research areas in the paper industry is researching to improve these properties. In this research for the first time, the artificial neural networks (ANNs) were used to predict the strength and barrier properties of nanofibrillated cellulose reinforced acetylated papers.

Materials and methods: Nanofibrillated cellulose (NFC) was produced from bleached commercial pulp using grinding method. Paper modification was performed using two methods including acetylation of pulp fibers before paper-sheet making, and acetylation of made paper-sheet. Pulp and paper acetylation process was performed in liquid phase at 70 °C for 0.5, 1, and 3 hours. The success of chemical modification was confirmed using Infrared spectroscopy. Two kinds of paper (unmixed and mixed paper) were made. The paper properties, including thickness, basis weight, bulk, breaking length, tear strength, and water barrier property were measured. In order to design an artificial neural network, the type of treatment (treatment of fibers and paper treatment), treatment time (0.5, 1, and 3 h), and type of paper (unmixed and mixed paper) were considered as input data, and the physical, mechanical, and barrier properties of the paper (bulk, breaking length, tear index, and water absorption) were considered as output data.



Results: Among all the papers, the weakest strength and barrier properties were obtained for the paper made from the acetylated pulp. The best paper properties were obtained by the acetylation of paper. According to the results, the acetylation of paper had no significant effect on the physical and mechanical properties of produced papers (p>0.05). Acetylation led to decrease in the water absorption of unmixed and mixed papers about 24.5 and 48%, respectively.

کلیدواژه‌ها [English]

  • Artificial neural network
  • nanofibrillated cellulose
  • paper modification
  • acetylation
  • paper properties