Previsione del diametro della membrana in nanofibra elettrofilata utilizzando una metodologia combinata di superficie di risposta e un approccio di apprendimento automatico

Rapporti scientifici volume 13, numero articolo: 9679 (2023) Citare questo articolo

439 accessi

Dettagli sulle metriche

Nonostante il diffuso interesse per la tecnologia dell’elettrofilatura, sono stati condotti pochissimi studi di simulazione. Pertanto, la ricerca attuale ha prodotto un sistema per fornire un processo di elettrofilatura sostenibile ed efficace combinando la progettazione di esperimenti con modelli di previsione dell’apprendimento automatico. Nello specifico, al fine di stimare il diametro della membrana in nanofibra elettrofilata, abbiamo sviluppato un modello di regressione dei minimi quadrati parziali del kernel pesato localmente (LW-KPLSR) basato su una metodologia della superficie di risposta (RSM). L'accuratezza delle previsioni del modello è stata valutata in base all'errore quadratico medio (RMSE), all'errore medio assoluto (MAE) e al coefficiente di determinazione (R2). Oltre alla regressione delle componenti principali (PCR), alla regressione dei minimi quadrati parziali ponderati localmente (LW-PLSR), alla regressione ai minimi quadrati parziali (PLSR) e al modello di regressione vettoriale di supporto dei minimi quadrati (LSSVR), alcuni degli altri tipi di modelli di regressione utilizzati per verificare e confrontare i risultati sono stati utilizzati il ​​modello fuzzy e il modello di regressione vettoriale di supporto dei minimi quadrati (LSSVR). Secondo i risultati della nostra ricerca, il modello LW-KPLSR ha funzionato molto meglio di altri modelli concorrenti nel tentativo di prevedere il diametro della membrana. Ciò è reso chiaro dai valori RMSE e MAE molto più bassi del modello LW-KPLSR. Inoltre, ha offerto i valori R2 più alti che si potessero raggiungere, raggiungendo 0,9989.

Le nanofibre sono materiali fibrosi caratterizzati dal loro diametro, tipicamente compreso tra 1 e 100 nm. Le nanofibre presentano un'area superficiale significativa, proporzioni elevate, caratteristiche superficiali eccezionali, fenomeni di confinamento quantistico e capacità di assorbimento rapido delle biomolecole, con conseguenti applicazioni tra cui ingegneria ambientale, ingegneria biomedica, ingegneria dei tessuti, ingegneria meccanica, ecc.1,2. L'elettrofilatura è un approccio semplice che può essere utilizzato per produrre nanofibre polimeriche da un'ampia gamma di polimeri in presenza di un forte campo elettrostatico3,4,5,6. Una pompa, una siringa dotata di un ugello, una fonte di energia per il campo elettrico e un elettrodo di riferimento o un oggetto collegato a terra costituiscono i componenti fondamentali del dispositivo di elettrofilatura. L'ugello della siringa e il controelettrodo, dove viene mantenuta la soluzione che verrà elettrofilata, lavorano insieme per generare un forte campo elettrico. Quando il getto carico accelera verso il controelettrodo, il solvente nella soluzione evapora, formando nanofibre solide e continue sul bersaglio messo a terra. A causa della differenza di potenziale tra l'eiettore e il bersaglio messo a terra, la forma della goccia di soluzione espulsa dall'ugello viene distorta in quella di un cono7,8. Il diametro delle nanofibre gioca un ruolo fondamentale nel determinare la loro funzionalità, come adsorbimento, filtrazione, degradazione catalitica e così via9,10. È importante sottolineare che diversi fattori, come la concentrazione della soluzione polimerica, la tensione superficiale, la viscosità, la conduttività, la portata, la tensione, la distanza tra l'ago e il collettore, la dimensione dell'ago e l'umidità relativa, influenzano la variazione del diametro. Di conseguenza, i seguenti parametri devono essere attentamente regolati per produrre diametri di membrana di nanofibre ideali con le loro proprietà funzionali11,12.

Il tradizionale metodo di ottimizzazione un fattore alla volta (OFAT) è costoso e richiede molto tempo e potrebbe non portare sempre all’identificazione di valori ottimali per tutte le variabili. Il Design of Experiment (DOE) ha dimostrato di essere un metodo eccellente per pianificare e migliorare gli esperimenti. È un metodo statistico affidabile per massimizzare l'output degli esperimenti utilizzando input noti. È necessario ottimizzare le informazioni acquisite limitando il numero n di esecuzioni sperimentali13,14,15,16. Per costruire un modello approssimativo che descriva la connessione tra una risposta e una raccolta di variabili predittive, la metodologia della superficie di risposta (RSM) è un approccio di ottimizzazione semplice ed efficace. L'approccio di ottimizzazione RSM più popolare per massimizzare l'output minimizzando l'input è il design Box-Behnken (BBD). Questo metodo si basa sulla progettazione fattoriale e utilizza un blocco grezzo a forma di scatola con un wireframe che compone l'interno della scatola. Con il BBD, gli utenti possono adattare ai dati un modello polinomiale di secondo ordine utilizzando la connessione matematica tra le variabili e le risposte17. La progettazione composita centrale (CCD) è un altro metodo RSM popolare per analizzare l'impatto degli input variabili sulla qualità dell'output. Il modello quadratico CCD gioca un ruolo importante nel quadro RSM perché mostra molte funzioni curve18. Numerosi sforzi di ricerca si sono concentrati sulle strategie RSM basate su BBD e CCD per la regolazione del diametro della nanofibra elettrofilata19,20,21. A causa delle correlazioni input-output non lineari nei dati di processo, i ricercatori sperimentali spesso trovano l’RSM uno strumento impegnativo22.