Resumen

El objetivo de este trabajo es desarrollar el conocimiento de la predicción de las propiedades físicas y químicas de los compuestos procesados de polietileno lineal de baja densidad (LLDPE)/nanoplaquetas de grafeno. Los materiales compuestos de LLDPE reforzado con 1, 2, 4, 6, 8 y 10 % en peso de nanoplaquetas de grafeno de grado C (C-GNP) se procesaron en una extrusora de doble husillo con tres velocidades de husillo y de alimentación diferentes (50, 100 y 150 rpm). Estas condiciones aplicadas se utilizaron para optimizar las siguientes propiedades: conductividad térmica, temperatura de cristalización, temperatura de degradación y resistencia a la tracción, mientras que la predicción de estas propiedades se realizó mediante una red neuronal artificial (RNA). Las tres primeras propiedades aumentaron con el incremento tanto de la velocidad del tornillo como del contenido de C-GNP. La resistencia a la tracción alcanzó su valor máximo con 4 wt -GNP y una velocidad de 150 rpm, ya que ésta representaba la condición óptima para la transferencia de tensiones a través de las cadenas amorfas de la matriz al C-GNP. La RNA puede utilizarse con confianza como herramienta para predecir las propiedades del material antes de invertir en programas de desarrollo y fabricación, con el consiguiente ahorro de dinero, tiempo y esfuerzo.

• Materias:Propiedades fisicoquímicas Polimerización Nanoestructuras Biofotónica Sustancias macromoleculares
• Subjects:Chemicophysical properties Polymerization Nanostructures Biophotonics Macromolecular substances
• Palabras claves:gnp, resistencia a la tracción, polietileno lineal de baja densidad, nanoplaquetas de grafeno grado c en peso, lldpe)/compuestos de nanoplaquetas de grafeno, propiedades del material anterior, red neuronal artificial, diferentes velocidades de tornillo, extrusora de doble tornillo, ann
• Keywords:gnp, tensile strength, linear low density polyethylene, wt% grade c graphene nanoplatelets, lldpe)/graphene nanoplatelets composites, above material properties, artificial neural network, different screw speeds, twin screw extruder, ann