Banca de DEFESA: CLÁUDIA ALMERINDA DE SOUZA OLIVEIRA

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE : CLÁUDIA ALMERINDA DE SOUZA OLIVEIRA
Data: 19/12/2025
HORA: 14:00
LOCAL: https://conferenciaweb.rnp.br/sala/JJB23
TÍTULO:

APLICAÇÃO DE APRENDIZADO DE MÁQUINA NA OTIMIZAÇÃO DO PROCESSO DE ROTOFIAÇÃO DE NANOFIBRAS DE PVA

PÁGINAS: 172
RESUMO:

 

Esta tese investiga a produção, caracterização e predição morfológica de nanofibras de poli(álcool vinílico) (PVA) obtidas por rotofiação, com o objetivo de desenvolver uma abordagem integrada para otimização de processos aplicados à engenharia de tecidos. Para isso, foram combinadas planejamento experimental Taguchi, análises físico-químicas e reológicas, técnicas de aprendizado de máquina e modelagem inversa acoplada a algoritmos evolutivos. Inicialmente, foram preparadas soluções de PVA com diferentes concentrações, graus de hidrólise e massas molares, cujas propriedades físico-químicas (pH, viscosidade e módulos reológicos) foram avaliadas experimentalmente. As fibras foram produzidas em um rotofiador desenvolvido internamente, com controle preciso de temperatura, velocidade de rotação, taxa de infusão e condições ambientais, permitindo a obtenção de 32 amostras planejadas e posteriormente 107 amostras adicionais para extrapolação do modelo preditivo. As micrografias de MEV foram utilizadas para determinar o diâmetro médio das fibras e seu desvio padrão. Em seguida, diversos algoritmos de regressão — incluindo Random Forest, XGBoost, LightGBM, SVR e MLP — foram treinados a partir das variáveis experimentais (concentração, viscosidade, pH, velocidade de rotação e distância do coletor). Métodos de explicabilidade como SHAP e LIME permitiram identificar a relevância das variáveis e interpretar o comportamento dos modelos, destacando a concentração polimérica e a viscosidade como fatores de maior impacto na morfologia final das fibras. O modelo com melhor desempenho foi então submetido a testes de extrapolação com 139 amostras, demonstrando boa capacidade de generalização. Posteriormente, o modelo foi incorporado a um esquema de modelagem inversa, formulado como um problema de minimização do erro entre o diâmetro previsto e um diâmetro alvo. Essa etapa foi resolvida por um algoritmo genético, configurado com seleção por torneio, cruzamento blend e mutação polinomial limitada, operando dentro das faixas experimentais reais. As condições ótimas propostas foram validadas experimentalmente, demonstrando coerência entre os diâmetros previstos e os obtidos em bancada. A integração entre planejamento experimental, caracterização reológica, aprendizado de máquina, explicabilidade e otimização evolutiva consolidou um fluxo metodológico robusto para o desenvolvimento de nanofibras com morfologia controlada. Os resultados indicam que a abordagem utilizada reduz significativamente o número de ensaios necessários, aumenta a previsibilidade do processo de rotofiação e contribui para o avanço de materiais aplicados a scaffolds biomédicos, sistemas de liberação de fármacos e dispositivos de bioengenharia.

MEMBROS DA BANCA:
Presidente - Interno ao Programa - 1762438 - JEAN JACQUES BONVENT
Membro Titular - Examinador(a) Interno ao Programa - 1600878 - ARNALDO RODRIGUES DOS SANTOS JUNIOR
Membro Titular - Examinador(a) Interno ao Programa - 1760509 - ANAPATRICIA DE OLIVEIRA MORALES VILHA
Membro Titular - Examinador(a) Externo ao Programa - 1768304 - DENISE CRIADO PEREIRA DE SOUZA
Membro Titular - Examinador(a) Externo à Instituição - RICARDO PIRES - IFSP
Membro Suplente - Examinador(a) Interno ao Programa - 1763495 - WANIUS JOSE GARCIA DA SILVA
Membro Suplente - Examinador(a) Externo à Instituição - KARINE PANICO - UFABC