TECNICA DOCUMENTAL:

Fuentes primarias de informacin:

[1] SanPo I. Methodology to optimize flocculation in the manufacture of fiber-cement without

asbestos. PhD Thesis. Madrid, Spain: Complutense University; 2003.

[2] Tsoukalas LH, Uhrig RE. Fuzzy and neural approaches in engineering. New York: Wiley; 1997.

[3] Rai N, Pitchumani R. Rapid cure simulation using artificial neural networks. Compos Part A
1997; 28:84759.

[4] Lee JA, Almond DP, Harris B. The use of neural networks for the prediction of fatigue lives of
composite materials. Composites Part A 1999; 30:115969.

[5] Luo J, Liang Z, Zhang C, Wang B. Optimum tooling design for resin transfer molding with virtual
manufacturing and artificial intelligence. Composites Part A 2001; 32:87788.

[6] Nielsen D, Pitchumani R. Intelligent model-based control of perform permeation in liquid

composite molding processes, with online optimization. Composites Part A 2001; 32:1789803.

[7] Heider D, Piovoso MJ, Gillespie Jr JW. A neural network model-based open-loop optimization
for the automated thermoplastic composite tow-placement system. Composites Part A 2003;
34:7919.

[8] Cho JR, Shin SW. Material composition optimization for heatresisting FGMs by artificial neural
network. Composites Part A 2004; 35:58594.

[9] Zhang Z, Friedrich K. Artificial neural network applied to polymer composite: a review. Compos
Sci Technol 2003; 63:202944.

[10] Kumar A, Hand VC. Feasibility of using neural networks and genetic algorithms to predict and
optimize coated paper and board brightness. Ind Eng Chem Res 2000; 39:495662.

[11] Milosavljevic N, Heikkila P. Modeling a scrubber using feed-forward neural networks. Tappi J
1999; 82(3):197201.

[12] Masmoudi RA. Rapid prediction of effluent biochemical oxygen demand for improved
environmental control. Tappi J 1999;82(10): 1119.

[13] Miyanishi T, Shimada H. Using neural networks to diagnose web breaks on a newsprint paper
machine. Tappi J 1998;81(9): 16370.

[14] Hagan MT, Debnath HB, Beale M. Neural network design. Boston, MA, USA: PWS Publishing
Company; 1995.
Ficha de Trabajo Carga [14]
NEGRO, ALONSO, 500 Ciencias Puras
BLANCO Y TIJERO Times New Roman

CARGA DE ROTURA Y PREDICCIN DE LA FUERZA DE FLEXIN EN

LA FABRICACIN DE MATERIALES COMPUESTOS DE FIBRA DE
CEMENTO USANDO REDES NEURONALES ARTIFICIALES Y UN
SENSOR DE FLOCULACIN

La optimizacin del proceso de floculacin durante la produccin de fibra de

cemento es un nuevo tema clave para la industria de fibrocemento. Muchas
empresas se enfrentan a dificultades en la optimizacin de la dosis de floculante
en tiempo real, lo que conduce a prdidas de resistencia del producto. Este
artculo muestra la viabilidad del uso de redes neuronales artificiales (ANNs)
para establecer correlaciones entre los datos de floculacin, en lnea medido en
una mquina Hatschek por un sensor de medicin de reflectancia centrado del
haz (FBRM), y las propiedades mecnicas de los materiales compuestos finales.
Los resultados muestran una clara relacin entre las propiedades mecnicas de
materiales compuestos de fibra de cemento y el proceso de floculacin y que
stos se determinan en tiempo real. Tres ANNs se han creado para predecir la
carga de rotura durante 48 horas y 7 das y resistencia a la flexin durante 7 das,
para obtener una buena correlacin entre los valores reales y pronosticado.
 FICHA BIBLIOGRAFICA
AUTOR (ES): Carlos Negro, A. Alonso,
ngeles Blanco y Julio Tijero
TTULO: Carga de rotura y prediccin de la
fuerza de flexin en la fabricacin de
materiales compuestos de fibra de cemento
usando redes neuronales artificiales y un sensor
de floculacin
VOLUMEN: 36
TRADUCCIN: Rondon Espinola, Marcos.
EDITORIAL: science direct.
PAS DONDE FUE IMPRESO: Espaa.
AO DE PUBLICACIN: disponible en
Internet el 14 de junio del 2005
NMERO: 12
NMERO TOTAL DE PGINAS: 10 paginas.