Desenvolvimento de modelos neurais e florestas aleatórias para estudo de tintas da indústria gráfica

Abstract

O Brasil ocupa a 5ª posição no mercado mundial de tintas. As tintas produzidas são encontradas das mais diversas formas de emulsões, dispersões ou pastas pigmentárias e são utilizadas para os mais diferentes fins, em especial serão estudadas neste projeto aquelas que fazem parte do processo de rotogravura, na qual as características da tinta são determinantes para um bom resultado na impressão. Um estudo recente mostra que Oshiro (2019) utilizou infravermelho médio por transformada de Fourier com o dispositivo de reflexão total atenuada para realizar análise de viscosidade, densidade e teor de sólidos das tintas. Considerando tais comprovações, este projeto busca combinar a espectroscopia de infravermelho com as Redes Neurais Artificiais (RNAs) para dois diferentes fins: estimar a viscosidade, a densidade e o teor de sólidos de tintas brancas e pretas e, usando estes mesmos parâmetros, classificar essas tintas de acordo com sua coloração, para este último também será utilizado outro tipo de aprendizado de máquina: as Florestas Aleatórias (randomForest). Tanto a RNA quanto as Florestas possuem a vantagem de fornecer resultados altamente precisos com muita rapidez e pouco esforço computacional. Os resultados das RNAs criadas para o problema de estimativa dos parâmetros das tintas gráficas foram satisfatórios. Para o caso das tintas brancas e pretas separadas e juntas, as RNAs dos três parâmetros avaliados atingiram valores próximos dos reais. É importante destacar que o parâmetro de viscosidade foi o que apresentou os maiores erros percentuais nos três casos, possivelmente devido aos seus valores, tanto para tinta preta quanto para tinta branca, variarem muito de uma amostra para outra, essa observação se deve ao fato de que a viscosidade está relacionada principalmente à composição inorgânica das amostras. Já para a classificação das tintas tanto a RNA quanto a Floresta aleatória apresentaram resultados altamente precisos classificando corretamente todas as amostras.

Brazil occupies the 5th position in the world paint market. The inks produced are found in the most diverse forms of emulsions, dispersions or pigmentpastes and are used for the most different purposes, especially those that are part of the rotogravure process will be studied, in which the characteristics of the ink are determinant for a good result in printing. A recent study shows that Oshiro (2019) used fourier-transformed medium infrared with the attenuated total reflection device to perform viscosity, density and solids content analysis of the paints. Considering such evidence, this project seeks to combine infrared spectroscopy with Artificial Neural Networks (RNAs) for two different purposes: estimating the viscosity, density and solids content of white and black inks and, using these same parameters, classifying these inks according to their coloration, for the latter another type of machine learning will also be used: Random Forests (randomForest). Both RNA and Forests have the advantage of providing highly accurate results with great speed and little computational effort. The results of the RNAs created for the problem of estimating the parameters of the graphic inks were satisfactory. For the case of separate white and black inks and joints, the RNAs of the three parameters evaluated reached values close to the real ones. It is important to highlight that the viscosity parameter was the one that presented the highest percentage errors in the three cases, possibly due to their values, both for black ink and white ink, vary ing a lot from one sample to another, this observation is due to the fact that viscosity is mainly related to the inorganic composition of the samples. For the classification of paints, both RNA and random forest showed highly accurate results correctly classifying all samples.