Diseño y optimización multicriterio de procesos de fabricación, mediante extrusión de nanocompositos con base en polímeros reciclados reforzados con nanocelulosa cristalina.

Abstract

"El presente proyecto se centra en la posibilidad de conferir valor agregado a los polímeros reciclados. Estos materiales generalmente sufren una degradación considerable durante las operaciones industriales implementadas para su reciclaje. Como consecuencia de ello, sus propiedades térmicas y mecánicas se ven reducidas de manera considerable y, por tanto, su potencial de reutilización disminuye. En este sentido, para mejorar estas propiedades, se propone la generación de mezclas de polímeros reciclados compatibilizados, además de ser reforzados con nanocristales de celulosa, también llamada nanocelulosa cristalina (NCC).

El objetivo principal del trabajo fue la síntesis de materiales compuestos a través del método de extrusión y su reforzamiento con NCC. Estos materiales se componen de mezclas de polímeros reciclados de poli (etilen tereftalato) (PET) con polietileno de baja densidad (LDPE por sus siglas en inglés). Dentro de la problemática tratada, uno de los mayores retos a vencer es la inmiscibilidad de los polímeros componentes de las mezclas. Lo cual se resolvió con el uso de un compatibilizante en forma de red interpenetrada polimérica (IPN). Este compatibilizante fue sintetizado específicamente para poseer grupos químicos compatibles o afines con PET y LDPE. Los materiales resultantes mostraron una mejoría en sus propiedades mecánicas (por ejemplo, Módulo de Young 16% mayor), térmicas (incremento de cristalinidad) y morfológicas (adecuada adhesión interfacial), en comparación a sus materiales reciclados de origen.

Se evaluaron los efectos de la composición de las mezclas, tiempo de residencia y temperatura de extrusión sobre las propiedades químicas, térmicas y mecánicas de los materiales compuestos sintetizados con base en un diseño experimental. Además, el estudio fue complementado con un enfoque de modelado fenomenológico sobre la base de redes neuronales artificiales (ANNs). Lo anterior para verificar la pertinencia del diseño de experimentos a través de una metodología avanzada como lo son las ANNs, que además sientan las bases para poder predecir comportamientos del sistema analizado."

"This project focuses on the possibility to increase the value of recycled polymers. These materials generally suffer considerable degradation during industrial operations implemented for its recycling. The consequences are their modification, usually reduced, of thermal and mechanical properties of the final materials, making difficult the processing due to its low quality and hence reduced potential for reuse. In this sense, the improvement of these properties was proposed by the generation of recycled polymers blends reinforced with cellulose nanocrystals or also named nanocellulose crystalline (NCC). The main objective of this work was the synthesis of composite materials through the extrusion method and its reinforcement with NCC. These materials consist of blends of recycled poly (ethylene terephthalate) (PET) with recycled low-density polyethylene (LDPE). Within the treated problem, one of the biggest challenges to overcome was immiscibility of the polymer components of the blends. This was solved with the use of a compatibilizer in the form of interpenetrating polymer network (IPN), synthesized in a previous work. This compatibilizer was specifically synthesized to possess chemical groups that are compatible with both PET and LDPE. The resulting materials showed improvement in their mechanical, rheological, thermal and morphological properties compared to source materials. The effects of composition of the blends, residence time and extrusion temperature, on the chemical, thermal and mechanical properties of synthesized composites based on an experimental design were evaluated. The study was supplemented by a phenomenological modeling study based on artificial neural networks (ANNs). The last had the idea of verifying the design of experiments through such advanced methodology. In addition, this establishes the bases to predict the system’s behavior."