Optimización de reglas de fusión de datos. Combinación de micrografías MEB con mediciones DLE

FERNANDO A. OTERO

Jornada; III Jornadas de Jóvenes Bionanocientificxs (JoBioN 2021); 2021

Este póster presenta una metodología para generar reglas de optimización difusa para fusionar datos provenientes de Microscopía Electrónica de Barrido (MEB) y Dispersión de Luz Estática (DLE) con el fin de mejorar estimaciones de la Distribución de Tamaño de Partículas, cuando ésta última es representada por una distribución log-normal de parámetros R0 y g. Aquí la generación de dichas reglas se obtiene resolviendo un problema de diseño del experimento (DOE), empleando como factores: el número de partículas por micrografía de MEB, el ruido de medición de DLE y la polidispersidad del sistema analizado.Las entradas al diseño del experimento corresponden a la solución de sucesivos problemas inversos para las distintas combinaciones de factores, donde dichos problemas inversos son resueltos mediante una metodología de estrategia de tipo Muestreado-Mapeo-Filtrado (MMF) [1]. El DOE es llevado a cabo siguiendo el esquema de Box-Behnken (BB) [2] y la denominada metodología de superficie de respuesta (MSR) de tipo polinomial. Luego, a través de conectar variables categóricas ordinales, como son codificados los factores en el esquema de BB, con los atributos de las variables difusas, se logra la denominada fuzzificación del sistema. Finalmente, se arma un sistema difuso basado en reglas, a través de optimizar la llamada función de deseabilidad, que corresponde al incremento relativo en la precisión del parámetro R0 en función de los factores empleando la respuesta polinomial hallada en la MSR.Toda esta metodología descrita ha sido aplicada a simulaciones numéricas correspondientes a casos de sistemas de partículas poliméricas embebidos en una matriz sólida de polímero, como los dados en [3] donde puede verse que las reglas obtenidas siguen dos lineamientos principales de modo de optimizar el DOE: 1) poseer un nivel de ruido bajo en las mediciones de DLE y 2) lograr una combinación de baja polidispersidad y alto número de partículas por micrografía de MEB.REFERENCIAS[1] F Otero and G Frontini. Optimizando la fusión de datos para la estimación de la distribución deltamaño de partículas. I. Análisis del crimen inverso paramétrico. Matemática Aplicada, Computacional e Industrial 2021; 8, 329-332.[2] G Box and D Behnken. Some new three level designs for the study of quantitative variables.Technometrics 1960; 2, 455-475.[3] ER Soulé and GE Eliçabe. Determination of Size Distributions of Concentrated Polymer ParticlesEmbedded in a Solid Polymer Matrix. Particle & Particle Systems Characterization 2008; 25, 84?91.