Post on 28-Jun-2022
INSTITUTO POLITÉCNICO NACIONAL
ESCUELA SUPERIOR DE INGENIERÍA QUÍMICA
E INDUSTRIAS EXTRACTIVAS
“OPTIMIZADOR ESTADÍSTICO DE FORMULACIÓN PARA
PINTURAS ARQUITECTÓNICAS BLANCAS, BASADO EN
ANÁLISIS CUANTITATIVOS Y MICROSCOPÍA
ELECTRÓNICA DE BARRIDO.”
TESIS
QUE PARA OBTENER EL TÍTULO DE
INGENIERO QUÍMICO INDUSTRIAL
PRESENTA
KAREN ALEJANDRA ROSALES HERNÁNDEZ
ASESOR
M. EN C. MARÍA ELENA JIMÉNEZ VIEYRA
MÉXICO, D.F. OCTUBRE 2016
OPTIMIZADOR ESTADÍSTICO DE FORMULACIÓN PARA PINTURAS ARQUITECTÓNICAS BLANCAS, BASADO EN ANÁLISIS CUANTITATIVOS Y MICROSCOPÍA ELECTRÓNICA DE BARRIDO
Karen Alejandra Rosales Hernández Página | 1
“Que tocar las estrellas se convierta en tu realidad.
Para arriba y hasta el cielo.”
RECONOCIMIENTOS
Al Instituto Politécnico Nacional por abrirme sus puertas y enseñarme que
todo lo que he logrado es por convicción y no por circunstancia.
A la Escuela Superior de Ingeniería Química e Industrias Extractivas por ser
la institución que me vio crecer, madurar, que me dio amigos, compañeros,
excelentes profesores, experiencias, momentos, pero sobretodo la satisfacción de
culminar un sueño de vida: Ser Ingeniero.
A DuPont por ser mi cuna de aprendizaje en la industria, por el desarrollo y
crecimiento profesional adquirido. Al equipo técnico de Tecnologías de Titanio por
su inigualable forma de hacer que las cosas sucedan, por toda la experiencia,
apoyo, enseñanzas y ayuda recibida.
A la Dra. Ángeles Torres por su comprensión, asesoría, paciencia y
coaching durante este proyecto, por ser un pilar tanto personal como profesional.
A Manuel Morales (QDEP) por todo el conocimiento que me dejó, su
sencillez y humildad.
En especial al I.Q. Pablo Aragón por permitir que me desarrollara tanto
profesional como personalmente dentro de su equipo brindándome todo el apoyo y
tolerancia para poder lograr este objetivo, por ser un gran líder y ejemplo a seguir.
OPTIMIZADOR ESTADÍSTICO DE FORMULACIÓN PARA PINTURAS ARQUITECTÓNICAS BLANCAS, BASADO EN ANÁLISIS CUANTITATIVOS Y MICROSCOPÍA ELECTRÓNICA DE BARRIDO
Karen Alejandra Rosales Hernández Página | 2
AGRADECIMIENTOS
Gracias por enseñarme a volar y dejarme volar con mis propias alas, gracias por
enseñarme a soñar y dejarme disfrutar mis sueños, gracias por enseñarme a vivir y dejarme
vivir libremente, gracias por su amor, paciencia, tiempo y apoyo incondicional durante estos
años que han sido los más difíciles pero también los más felices, en los que he logrado
culminar uno de los objetivos más importantes de mi vida, por brindarme sus manos cuando
estuve a punto de caer y así enseñarme que nunca debo rendirme, que todo logro merece un
sacrificio, que los errores te hacen crecer y madurar, que tengo que confiar en mí para ser
exitosa. Mamá, Papá, gracias por estar siempre para mí, por escucharme y aconsejarme sin
ustedes habría sido muy difícil llegar a este momento. Los amo y admiro infinitamente.
Tú, la persona más importante para mí, el pilar más grande de mi vida, mi ejemplo a
seguir, te dedico este logro porque sin ti habría sido imposible mantenerme en pie y llegar a
este momento, gracias por estar siempre a mi lado, por animarme cuando las cosas no iban
bien, por preocuparte siempre, por hacerme ver mis errores, por ayudarme a superar todos los
obstáculos, por hacerme reír en situaciones difíciles, por compartir mis sueños, porque solo tú
sabes hacerme sentir invencible, por ser mi inspiración. Te amo incondicionalmente
hermanita.
Gracias por estar siempre en los momentos importantes de mi vida, por ser un ejemplo
de superación, por sus sabios consejos que han sido de gran ayuda para mi crecimiento, por
ser esos ángeles que siempre me acompañan, por llevarme en sus oraciones, por enseñarme
que no es suficiente desear algo sino que hay que trabajar y esforzarse para conseguirlo.
Abuelitos Jano y Vale les dedico este logro, gracias por su infinito amor.
Gracias a mi familia por su amor y apoyo incondicional. A mis tíos por confiar siempre
en mis logros y tomarme como un ejemplo, a mis primos por inspirarme a ser una mejor
persona y alegrarme la vida con su presencia. Los amo.
Abuelita Pilar, gracias por enseñarme que todo es posible, que siempre hay que seguir
adelante, que la única persona en quien tengo que confiar es en mí, que nada ni nadie puede
detenerte para cumplir tus objetivos y yo he cumplido uno muy importante y te agradezco que
hayas estado apoyándome durante todos mis años de estudio y me hayas facilitado un poco
las cosas. Te amo.
A mi fortaleza, inspiración y ejemplo de superación Alejandra, mi amiga del alma, mi
hermana. A Mauricio por no dejarme vencer a pesar de las circunstancias, ser mi apoyo,
mantenerme con los pies en la tierra y creer en mí. A Yayis por su lealtad inquebrantable y
cariño incondicional. A Dianita por su increíble e inesperada amistad y por acompañarme en
todo momento. A Rubén que a pesar de la distancia no ha dejado de estar en situaciones
importantes. A Pame quien desde primer semestre estuvo motivándome para seguir adelante.
A Lalo que con su madurez siempre me hizo ver las cosas positivas.
A quienes hicieron que mi trayectoria por ESIQIE fuera inolvidable.
OPTIMIZADOR ESTADÍSTICO DE FORMULACIÓN PARA PINTURAS ARQUITECTÓNICAS BLANCAS, BASADO EN ANÁLISIS CUANTITATIVOS Y MICROSCOPÍA ELECTRÓNICA DE BARRIDO
Karen Alejandra Rosales Hernández Página | 3
ÍNDICE
ÍNDICE DE TABLAS .............................................................................................................. 4
ÍNDICE DE FIGURAS ............................................................................................................ 5
RESUMEN .............................................................................................................................. 6
OBJETIVO .............................................................................................................................. 6
INTRODUCCIÓN .................................................................................................................... 7
CAPÍTULO 1 PINTURAS ARQUITECTÓNICAS .................................................................. 9
1.1 FORMULACIÓN DE PINTURAS......................................................................................... 10
1.1.1 Resina .................................................................................................................. 11
1.1.2 Aditivos ................................................................................................................. 11
1.1.3 Pigmentos y Cargas ............................................................................................. 12
1.2 IMPORTANCIA DE LA DISPERSIÓN .................................................................................. 15
1.3 RELACIÓN PIGMENTO / CARGAS / RESINA..................................................................... 17
1.4 ANÁLISIS CUANTITATIVOS EN PINTURAS ........................................................................ 17
1.4.2 Fase Líquida ........................................................................................................ 18
1.4.2 Fase Sólida, Película ........................................................................................... 19
CAPÍTULO 2 DISEÑO DE EXPERIMENTOS ..................................................................... 24
2.1 DOE FACTORIAL .......................................................................................................... 24
2.1.1 DOE Factorial Fraccionado ................................................................................. 24
2.2 DOE TAGUCHI .............................................................................................................. 24
CAPÍTULO 3 METODOLOGÍA ............................................................................................ 26
3.1 MATERIAS PRIMAS ....................................................................................................... 26
3.2 DEMANDA DE DISPERSANTE .......................................................................................... 27
3.3 PROCEDIMIENTO DE FORMULACIÓN .............................................................................. 27
3.4 EVALUACIÓN DE APLICACIONES .................................................................................... 28
3.4.1 Poder Cubriente seco y húmedo ......................................................................... 28
3.4.2 Microscopía Electrónica de Barrido ..................................................................... 29
3.5 DESARROLLO DE FORMULACIÓN CON LA APLICACIÓN DEL DISEÑO DE EXPERIMENTOS . 30
CAPÍTULO 4 RESULTADOS Y DISCUSIONES ................................................................ 32
4.1 DEMANDA DE DISPERSANTE .......................................................................................... 32
4.2 DOE FACTORIAL .......................................................................................................... 34
4.3 DOE TAGUCHI .............................................................................................................. 34
4.4 DOE FACTORIAL FRACCIONADO .................................................................................. 39
4.4.1 Validación del optimizador ................................................................................... 43
4.5 MICROSCOPIA ELECTRÓNICA DE BARRIDO ................................................................... 45
CONCLUSIONES ................................................................................................................. 47
REFERENCIAS .................................................................................................................... 48
OPTIMIZADOR ESTADÍSTICO DE FORMULACIÓN PARA PINTURAS ARQUITECTÓNICAS BLANCAS, BASADO EN ANÁLISIS CUANTITATIVOS Y MICROSCOPÍA ELECTRÓNICA DE BARRIDO
Karen Alejandra Rosales Hernández Página | 4
ÍNDICE DE TABLAS
Tabla 1: Empresas líderes en la industria de pintura .............................................. 8
Tabla 2: Distribución porcentual de la calidad de pinturas mexicanas .................... 9
Tabla 3: Diferencias entre procesos de Manufactura del TiO2 .............................. 13
Tabla 4: Propiedades de grados TiPure® para pinturas ........................................ 14
Tabla 5: DOE y Taguchi: una comparación .......................................................... 25
Tabla 6: Materias primas utilizadas para la formulación de pinturas ..................... 26
Tabla 7: Diseño Factorial ..................................................................................... 30
Tabla 8: Demanda de dispersante para diferentes pigmentos .............................. 33
Tabla 9: Diseño Taguchi ...................................................................................... 34
Tabla 10: Minitab®, DOE Taguchi ......................................................................... 35
Tabla 11: VoC del estudio de pinturas profesionales 2012. DuPont Titanium
Technologies........................................................................................................ 37
Tabla 12: Diseño Factorial Fraccionado ............................................................... 40
Tabla 13: Minitab®, DOE Factorial Fraccionado ................................................... 40
Tabla 14: Comparación de morfologías microscópicas en una película de pintura a
diferentes condiciones ......................................................................................... 46
OPTIMIZADOR ESTADÍSTICO DE FORMULACIÓN PARA PINTURAS ARQUITECTÓNICAS BLANCAS, BASADO EN ANÁLISIS CUANTITATIVOS Y MICROSCOPÍA ELECTRÓNICA DE BARRIDO
Karen Alejandra Rosales Hernández Página | 5
ÍNDICE DE FIGURAS
Figura 1: Distribución de la industria de pintura en México .................................... 8
Figura 2: Calidad de pinturas mexicanas en el mercado ...................................... 10
Figura 3: Procesos de Manufactura del TiO2 ........................................................ 13
Figura 4: Diagrama esquemático de un dispersor de alta velocidad dimensiones
óptimas ................................................................................................................ 16
Figura 5: Picnómetro BYK .................................................................................... 18
Figura 6: Viscosímetro Stormer KU1+ .................................................................. 18
Figura 7: Horno Binder y charolas de aluminio ..................................................... 19
Figura 8: Grindómetro BYK .................................................................................. 19
Figura 9: Aplicador automático con vacío BYK Gardner ....................................... 20
Figura 10: Espectrofotómetro LabScan XE .......................................................... 20
Figura 11: Aplicador BYK 5 MIL y Leneta WB ...................................................... 21
Figura 12: Escala CIELAB.................................................................................... 21
Figura 13: Aplicador BYK 1.5 MIL y Leneta 2-4.................................................... 22
Figura 14: Microscopio Electrónico de Barrido MEB............................................. 23
Figura 15: Minitab®, DOE factorial ........................................................................ 31
Figura 16: Grafica demanda de dispersante para R 931 ...................................... 33
Figura 17: Efectos principales sobre el poder cubriente en seco, DOE Taguchi .. 36
Figura 18: Efectos principales sobre el poder cubriente en húmedo, DOE Taguchi
............................................................................................................................. 36
Figura 19: Interacción entre los valores de los niveles más importantes sobre el
poder cubriente .................................................................................................... 38
Figura 20: Límite inferior y superior de los efectos principales sobre el poder
cubriente en seco. DOE Factorial Fraccionado .................................................... 39
Figura 21: Efectos principales sobre el poder cubriente en seco, DOE factorial
fraccionado .......................................................................................................... 41
Figura 22: Efectos principales sobre el poder cubriente en húmedo, DOE factorial
fraccionado .......................................................................................................... 41
Figura 23: Gráfica de cubos para ver los factores y la combinación de los ajustes
utilizados en el diseño, sobre el poder cubriente seco ......................................... 42
Figura 24: Gráfica de cubos para ver los factores y la combinación de los ajustes
utilizados en el diseño, sobre el poder cubriente húmedo .................................... 42
Figura 25: Optimizador y gráfica de cubo para condiciones 1 .............................. 43
Figura 26: Optimizador y gráfica de cubo para condiciones 2 .............................. 44
Figura 27: Optimizador y gráfica de cubo para condiciones 3 .............................. 45
Figura 28: Tratamiento superficial de la partícula del pigmento de TiO2 ............... 45
OPTIMIZADOR ESTADÍSTICO DE FORMULACIÓN PARA PINTURAS ARQUITECTÓNICAS BLANCAS, BASADO EN ANÁLISIS CUANTITATIVOS Y MICROSCOPÍA ELECTRÓNICA DE BARRIDO
Karen Alejandra Rosales Hernández Página | 6
RESUMEN
El presente trabajo muestra el diseño de experimentos relacionado con el
efecto de las materias primas en pinturas arquitectónicas blancas base agua sobre
el poder cubriente, así como, la optimización en la fórmula para maximizar el
poder cubriente afectado por la interacción del tipo de pigmento, cargas y resina.
Los pigmentos, vehículos, aditivos, solventes, cargas y resinas son las
materias primas utilizadas en forma genérica para la formulación. La finalidad de
este proyecto es obtener una pintura arquitectónica rentable con mayor eficiencia
en el uso de materias primas.
Para efectos de este estudio se obtuvo un optimizador mediante Minitab®,
un programa estadístico, donde se obtiene el poder cubriente, seleccionando la
relación entre los parámetros de formulación.
El poder cubriente está relacionado con el espaciamiento entre las
partículas del pigmento, cargas y resina, se obtienen imágenes con el microscopio
electrónico de barrido para ver gráficamente la comparación entre diferentes
fórmulas realizadas.
El poder cubriente es el atributo más importante considerado por los
consumidores al utilizar una pintura, es indispensable para los productores
maximizar el uso de las materias primas, sin aumentar el precio de la formulación.
OBJETIVO
Evaluar estadísticamente el efecto de diferentes parámetros de formulación en
pinturas arquitectónicas blancas base agua, sobre el poder cubriente, tales como:
Porcentaje de Sólidos (% sólidos)
Concentración volumétrica del pigmento (CVP)
Tipos de pigmentos de dióxido de titanio (TiO2)
Contenido de dióxido de titanio (g/L TiO2)
Relación de cargas Caolín y Carbonato de Calcio (CaCO3)
Ofrecer una guía de formulación para maximizar la eficiencia y desempeño de
las materias primas en una pintura arquitectónica blanca base agua, mediante un
optimizador estadístico.
OPTIMIZADOR ESTADÍSTICO DE FORMULACIÓN PARA PINTURAS ARQUITECTÓNICAS BLANCAS, BASADO EN ANÁLISIS CUANTITATIVOS Y MICROSCOPÍA ELECTRÓNICA DE BARRIDO
Karen Alejandra Rosales Hernández Página | 7
INTRODUCCIÓN
Actualmente, existen escasos estudios integrales que explican cómo
interactúan las materias primas en las pinturas arquitectónicas blancas usando
diferentes tipos de pigmentos de dióxido de titanio y variando los parámetros de
formulación.
El dióxido de titanio otorga blancura y opacidad a las pinturas; cuando el
máximo potencial de este pigmento no es alcanzado, la calidad del producto final
disminuye e incrementa el costo de las pinturas. Esta situación ha provocado que
el mercado actual tenga alternativas de sustitución para este pigmento.
En el presente estudio, se identificaron parámetros que determinan el
desempeño del dióxido de titanio en las pinturas, principalmente relacionado con
el poder cubriente que es la propiedad óptica más buscada del pigmento. Esto se
logró mediante la realización de tres diseños de experimentos: Factorial, Taguchi y
Factorial Fraccionado.
La industria de pinturas y recubrimientos tiene un alto potencial de
crecimiento, de acuerdo con datos de la Asociación Nacional de Fabricantes de
Pinturas y Tintas (Anafapyt), México es el segundo mejor productor de pintura en
Latinoamérica con un consumo per cápita de 5.6 litros, mientras que el consumo
per cápita en Brasil es de ocho litros.
En 2014 México produjo 720 millones de litros con un valor de mercado
aproximadamente de 32 mil millones de pesos. Se prevé que el consumo total de
pinturas y recubrimientos aumente a más de 832 millones de litros para 2018. Los
dos principales motores del mercado son la construcción y empresas
manufactureras, siendo la arquitectura la más grande de los segmentos de
recubrimientos con el 70% de la demanda total del país.
En la Figura 1 se muestra la distribución de las 374 plantas productoras de
pintura en los diferentes estados de la Republica Mexicana. Esta industria tiene 15
mil puntos de venta de diferentes marcas que dan empleo a 70 mil personas.
Se estima que la industria de pintura a nivel mundial tiene un valor
aproximado de 120 mil millones de dólares, para llegar a un valor estimado en
2020 de 177 mil millones de dólares. Según la Asociación Mundial de la Industria
de Pintura y Recubrimiento las 6 empresas de pinturas más grandes del mundo
(Tabla 1) anunciaron inversiones en el mercado mexicano para aprovechar el
crecimiento del sector arquitectónico, automotriz y de manufacturas. [1]
OPTIMIZADOR ESTADÍSTICO DE FORMULACIÓN PARA PINTURAS ARQUITECTÓNICAS BLANCAS, BASADO EN ANÁLISIS CUANTITATIVOS Y MICROSCOPÍA ELECTRÓNICA DE BARRIDO
Karen Alejandra Rosales Hernández Página | 8
Figura 1: Distribución de la industria de pintura en México
Tabla 1: Empresas líderes en la industria de pintura
Compañía País Ventas (millones de dólares)
AkzoNobel Holanda 13000
PPG Industries Estados Unidos 12000
Henkel Alemania 11000
Sherwin-Williams Estados Unidos 9000
Axalta Estados Unidos 4000
BASF Alemania 3000
72
54
66 52
21
13
10
9
8 8
61
Plantas productoras de pintura en México
Estado de México
DF
Jalisco
Nuevo León
Guanajuato
San Luis Potosí
Querétaro
Puebla
Sonora
Michoacán
Otros Estados
Fuente: Anafapyt
OPTIMIZADOR ESTADÍSTICO DE FORMULACIÓN PARA PINTURAS ARQUITECTÓNICAS BLANCAS, BASADO EN ANÁLISIS CUANTITATIVOS Y MICROSCOPÍA ELECTRÓNICA DE BARRIDO
Karen Alejandra Rosales Hernández Página | 9
CAPÍTULO 1
PINTURAS ARQUITECTÓNICAS
La pintura tiene como función principal decorar y proteger al sustrato de los
agentes agresivos que lo rodean. Es un compuesto líquido que a temperatura
ambiente puede aplicarse sobre una superficie mediante implementos adecuados,
transformándose en una película sólida y consistente que queda adherida al
sustrato.
Las pinturas para interiores, son de fácil aplicación, mediante brocha o
rodillo. Sus características más deseables son una buena transferencia al sustrato,
viscosidad apropiada para evitar salpicaduras, nivelación aceptable, uniformidad
en el color, acabado sin fisuras, poder cubriente y resistencia a la abrasión
mecánica. Estos factores determinan el tipo de pintura a utilizar y garantizar con
ello una buena imagen, higiene, tonos, etc., de acuerdo a la necesidad que se esté
buscando satisfacer.
Las pinturas para exteriores con exposición a la intemperie, son protectoras
del sustrato con respecto al medio ambiente, además de dar un efecto decorativo,
deben ser resistentes a los rayos ultravioleta procedentes de la luz del sol, no
sufrir cambios de color, soportar temperaturas sin quebrarse, no formar fisuras ni
grietas y no desprenderse del sustrato. Además deben presentar resistencia
mecánica a la abrasión y presencia de microorganismos. [2]
Clasificación Mexicana de calidad en las pinturas: En el año 2012, un
estudio realizado por el Equipo Técnico de Dupont Tecnologías de Titanio en
México, con la cooperación de los 20 productores mexicanos de pinturas más
representativos, permitió calcular los siguientes porcentajes de los niveles de
calidad dentro del mercado (Tabla 2), obteniéndose una distribución porcentual
sectorizada del mercado mexicano que se establece en la Figura 2 como: [3]
Tabla 2: Distribución porcentual de la calidad de pinturas mexicanas
Nivel Calidad Poder cubriente mínimo, m2/L Distribución porcentual, %
A Premium 7.0 8.70
B Primera 6.0 35.87
C Segunda 5.0 30.43
D Tercera 3.5 25.00
OPTIMIZADOR ESTADÍSTICO DE FORMULACIÓN PARA PINTURAS ARQUITECTÓNICAS BLANCAS, BASADO EN ANÁLISIS CUANTITATIVOS Y MICROSCOPÍA ELECTRÓNICA DE BARRIDO
Karen Alejandra Rosales Hernández Página | 10
Figura 2: Calidad de pinturas mexicanas en el mercado
1.1 Formulación de pinturas
La formulación de una pintura se lleva a cabo en dos etapas.
La primera etapa, es la dispersión del pigmento en la cual se homogeniza
la mezcla que incluye: aditivos, cargas y pigmento. El objetivo es eliminar la
presencia de aglomerados de pigmentos con la aplicación de un esfuerzo cortante
mediante el uso de un dispersor.
La segunda parte es el ampliado o terminado, en donde se homogeniza la
pasta de dispersión con la resina.
La resina forma una película, que resulta de la evaporación completa de la
fase continua (agua en el caso de pinturas arquitectónicas con esta base),
adhiriéndose así la pintura sobre el sustrato. [4]
Premium 9%
7.0 m2/L
Primera 36%
6.0 m2/L
Segunda 30%
5.0 m2/L
Tercera 25%
3.5 m2/L
Calidad en las pinturas Mexicanas
OPTIMIZADOR ESTADÍSTICO DE FORMULACIÓN PARA PINTURAS ARQUITECTÓNICAS BLANCAS, BASADO EN ANÁLISIS CUANTITATIVOS Y MICROSCOPÍA ELECTRÓNICA DE BARRIDO
Karen Alejandra Rosales Hernández Página | 11
Las pinturas, inicialmente en estado líquido, al aplicarse en capas delgadas
sobre un sustrato, tienen la propiedad de transformarse en una película sólida
continua y adherente debido a la evaporación del agua, reduciendo su volumen.
Cuando las partículas de pigmento y resina se aproximan unas a otras se
lleva a cabo proceso conocido como coalescencia. En las etapas finales de la
evaporación del líquido, las fuerzas capilares reúnen las partículas del
aglomerante con gran fuerza, causando que se aglomeren al pigmento en una
película continua. [4]
Las materias primas que son utilizadas típicamente para lograr este
comportamiento de las pinturas, se describen a continuación.
1.1.1 Resina
Generalmente, se utilizan emulsiones acrílicas con un tamaño de partícula
típico de 150 nm que proporciona un color blanco azuloso, también se utilizan
emulsiones vinil acrílicas con un tamaño 7 veces mayor que las acrílicas por lo
que su color es blanco opaco. [2]
La emulsión vinil acrílica utilizada en este estudio fue desarrollada para la
formulación de pinturas satinadas de alta calidad. Contiene aproximadamente 55%
de sólidos e índice de refracción de 1.49, es un copolímero de acetato de vinilo
con un éster de ácido acrílico sin plastificantes. Presenta alta capacidad de
aglutinamiento de cargas y pigmentos. Debido a que absorbe baja cantidad de
agua, tiene buena resistencia a los álcalis, humedad y al frote húmedo, facilitando
la durabilidad y el brillo. [5]
1.1.2 Aditivos
Son sustancias que se agregan en pequeñas cantidades las cuales aportan
efectos químicos y tecnológicos específicos.
Humectantes: Incorporan las cargas y los pigmentos en el sistema acuoso
evitando la aglomeración, mediante la aceleración de la humectación de los
mismos sin la formación de espuma.[2]
Dispersantes: Garantizan una distribución fina y homogénea de los sólidos
en un medio líquido y posibilitan una óptima estabilidad del sistema a largo
plazo.
OPTIMIZADOR ESTADÍSTICO DE FORMULACIÓN PARA PINTURAS ARQUITECTÓNICAS BLANCAS, BASADO EN ANÁLISIS CUANTITATIVOS Y MICROSCOPÍA ELECTRÓNICA DE BARRIDO
Karen Alejandra Rosales Hernández Página | 12
Espesantes: Se utilizan para obtener un ajuste apropiado en la reología de
la pintura. La hidroxietilcelulosa es un espesante celulósico soluble en
agua. Tiene eficiente humectación de cargas y pigmentos, compatibilidad
con pastas pigmentadas, estabilidad de la dispersión de cargas y pigmentos
evitando la sedimentación y floculación de pigmentos; tendencia reducida a
formar espuma, buena viscosidad para ser aplicada en paredes o
superficies verticales y horizontales, para optimizar la solubilidad del
espesante celulósico se ajusta el pH a un valor alcalino. Al aumentar el pH
y cambiar de medio ácido a un medio alcalino el polímero de la dispersión
se hincha y disuelve en agua desarrollando un gel con fuerte poder de
espesamiento, se debe utilizar en pequeñas cantidades. [2]
Amortiguadores de pH: El Amino Metil Propanol utilizado en este estudio
reemplaza al amoniaco y la sosa caustica para ajustar el pH del sistema y
mantenerlo estable por su reducida volatilidad.
Coalescente: Facilitan la formación de la película a diferentes temperaturas;
incluyendo temperatura abajo de la Tg (temperatura de transición vítrea)
del polímero, en donde se denomina temperatura mínima de formación de
película. Se evapora este aditivo a corto plazo después del secado. [2]
Antiespumantes: La espuma en los recubrimientos demora la producción,
dificulta el envasado y provoca irregularidades en el acabado, esta se
genera principalmente al dispersar las cargas y el dióxido de titanio. Los
antiespumantes permiten controlar este efecto para facilitar la fabricación y
mejorar la calidad de la pintura. [2]
Biocidas: Protegen a la pintura contra el deterioro provocado por los
microorganismos, estos se inoculan al momento de la fabricación por
diferentes factores tales como la calidad del agua, contaminación en la
resina, calidad del material de los tanques o propelas. El crecimiento
microbiano tiene efectos como la pérdida de viscosidad, cambios de pH,
formación de gases, malos olores, decoloración y crecimiento en la
superficie. [2]
1.1.3 Pigmentos y Cargas
Dióxido de Titanio (TiO2): Obtenido del mineral Ilmenita es el pigmento
blanco fundamental usado en la industria, debido a que desvía
eficientemente la luz visible, impartiendo así blancura, brillo y opacidad,
debido a su alto índice se refracción. Es químicamente inerte, insoluble en
OPTIMIZADOR ESTADÍSTICO DE FORMULACIÓN PARA PINTURAS ARQUITECTÓNICAS BLANCAS, BASADO EN ANÁLISIS CUANTITATIVOS Y MICROSCOPÍA ELECTRÓNICA DE BARRIDO
Karen Alejandra Rosales Hernández Página | 13
solventes, vehículos de cualquier naturaleza y estable al calor bajo las
condiciones de procesamiento más severas.
Para su fabricación existen 2 tecnologías a nivel mundial que se muestran en
la Figura 3 y en la Tabla 3 se muestran las principales diferencias entre el proceso
vía sulfato y el proceso vía cloro: [6]
Figura 3: Procesos de Manufactura del TiO2
Tabla 3: Diferencias entre procesos de Manufactura del TiO2
Proceso Vía Sulfato Proceso Vía Cloruro
Proceso Original Proceso Moderno (Dupont)
Acido Sulfúrico Consumido Gas Cloro reciclado
Proceso Tipo Batch Proceso Continuo
3-5 ton de desperdicio/1 ton TiO2 1-1.5 ton de desperdicio /1 ton TiO2
Produce TiO2 Anatásico Produce TiO2 Rutílico
Menor blancura y brillo Alta pureza que produce productos más
blancos y brillantes
OPTIMIZADOR ESTADÍSTICO DE FORMULACIÓN PARA PINTURAS ARQUITECTÓNICAS BLANCAS, BASADO EN ANÁLISIS CUANTITATIVOS Y MICROSCOPÍA ELECTRÓNICA DE BARRIDO
Karen Alejandra Rosales Hernández Página | 14
El TiO2 rutílico debido a su estructura tetragonal y su índice de refracción de
2.73 desvía la luz más eficientemente, es más estable y menos fotoreactivo que el
TiO2 anatásico con índice de refracción de 2.55 y estructura octaédrica.
Si hay suficiente pigmento en un sistema, toda la luz que incide en la
superficie, excepto la pequeña cantidad absorbida por la resina o el pigmento,
será reflejada hacia afuera y el sistema aparecerá blanco y opaco.
Al incidir un rayo de luz en la partícula de TiO2, el rayo se desvía porque la
luz viaja más lentamente a través del pigmento de alto índice de refracción que a
través de la resina de bajo índice de refracción en la cual está disperso. [7]
El poder cubriente es la característica de una pintura para cubrir una
superficie sobre la que se ha aplicado uniformemente. Este efecto aumenta con la
diferencia entre los índices de refracción de las materias primas. Mientras mayor
sea la diferencia entre el índice de refracción del pigmento y el medio en el que se
encuentra disperso, mayor será la desviación de la luz. [8] Cuando se expresa
numéricamente, las unidades son m2/L de pintura. [6]
La mayoría de los pigmentos de TiO2 tienen tratamientos inorgánicos y
orgánicos, depositados en la superficie de las partículas por precipitación o
mezclas mecánicas. [7]
Algunos tratamientos son:
Alúmina que favorece la dispersión.
Sílice evita la interacción de la radiación UV proporcionando durabilidad.
Tratamiento Orgánico que facilita la humectabilidad.
En la Tabla 4 se muestran comparativamente las propiedades de los diferentes
pigmentos TiPure® para pinturas. [6]
Tabla 4: Propiedades de grados TiPure
® para pinturas
Propiedad R 706 R 900 R 902 R 931
TiO2, % peso 93.0 94.0 93.0 80.0
Alúmina, % peso 2.4 4.3 4.3 6.4
Sílice, % peso 3.0 - 1.4 10.2
Tratamiento Orgánico Si No Si No
Color CIEL* 99.4 99.8 99.8 99.7
T P µm 0.36 0.41 0.42 0.55
Absorción de Aceite, g/100g pigmento 13.9 15.2 16.1 35.9
OPTIMIZADOR ESTADÍSTICO DE FORMULACIÓN PARA PINTURAS ARQUITECTÓNICAS BLANCAS, BASADO EN ANÁLISIS CUANTITATIVOS Y MICROSCOPÍA ELECTRÓNICA DE BARRIDO
Karen Alejandra Rosales Hernández Página | 15
Cargas minerales: Existen otros compuestos minerales inertes de color
blanco que se utilizan para conseguir determinados efectos en las pinturas,
sin encarecerlas excesivamente como la mejora de la dureza, matizado,
aumentos del contenido en sólidos, aumento de la opacidad, entre otras.
Son materiales de relleno que aportan volumen. [2]
Carbonato de calcio (CaCO3): Con índice de refracción de 1.63 y absorción de
aceite de 50 a 55 g aceite/100g pigmento, agrega valor a la pintura reduciendo el
costo de la formulación, para distribuir mejor el TiO2. Disminuye la absorción de
aceite ahorrando la demanda de resina. Las pinturas formuladas con carbonato de
calcio de un tamaño de partícula entre 1 y 10 µm ayudan a la tersura y el
incremento del poder cubriente. [9]
Caolín (2SiO2 Al2O3 2H2O): Con índice de refracción de 1.65 y absorción de
aceite de 60 a 110 g aceite/100g pigmento, es un silicato de aluminio hidratado
color blanco; sirve para estabilizar la distribución de pigmentos y mejorar el poder
cubriente en seco de una pintura. [2]
1.2 Importancia de la dispersión
El paso inicial para la fabricación de las pinturas es la dispersión de los
pigmentos y cargas en medio líquido, una buena dispersión del TiO2 mejora el
poder cubriente.
Es un proceso que se lleva a cabo en tres etapas:
1. Humectación: Es esencial para que las partículas de pigmento estén
finamente distribuidas en un líquido. El aire ocluido en el polvo del pigmento
debe ser completamente desplazado y las partículas de pigmento rodeadas
por el medio líquido.
2. Dispersión: Rompimiento y separación mecánica de los aglomerados, no de
las partículas primarias.
3. Estabilización: Movimiento de las partículas humectadas en el vehículo
líquido para mantener una separación permanente.
Existen 3 tipos de flujos dentro de la zona de corte, laminar, turbulento y de
transición. Cuando un líquido fluye en un tubo y su velocidad es baja, fluye en
líneas paralelas a lo largo del eje del tubo; a este régimen se le conoce como “flujo
OPTIMIZADOR ESTADÍSTICO DE FORMULACIÓN PARA PINTURAS ARQUITECTÓNICAS BLANCAS, BASADO EN ANÁLISIS CUANTITATIVOS Y MICROSCOPÍA ELECTRÓNICA DE BARRIDO
Karen Alejandra Rosales Hernández Página | 16
laminar”. Conforme aumenta la velocidad el flujo se dispersa hasta que adquiere
un movimiento de torbellino en el que se forman corrientes cruzadas y remolinos;
a este régimen se le conoce como “flujo turbulento”. El paso de régimen laminar a
régimen turbulento no es inmediato y existe un comportamiento intermedio
indefinido que se conoce como “régimen de transición”.
En los dispersores de alta velocidad, la zona de corte es casi cilíndrica y se
localiza entre el disco impulsor y el fondo del tanque. Para que sea efectivo el flujo
dentro de la zona de corte, el fluido debe estar en fase de transición. (Figura 4) [6]
Figura 4: Diagrama esquemático de un dispersor de alta velocidad dimensiones óptimas
Demanda de dispersante: Se refiere al estudio que se realiza a cada
pigmento de TiO2 para asegurar su óptima dispersión sin aglomerados, este
valor depende de la absorción de aceite de cada pigmento. Se debe utilizar
un mínimo de dispersante para asegurar la buena estabilidad de la pintura
al almacenamiento, sin disminuir la lavabilidad ni sus propiedades.[2] La
demanda de dispersante es un valor que ayuda como referencia para
conocer la demanda de líquidos (agua, resinas, aditivos y solventes) de
cada pigmento. [6]
OPTIMIZADOR ESTADÍSTICO DE FORMULACIÓN PARA PINTURAS ARQUITECTÓNICAS BLANCAS, BASADO EN ANÁLISIS CUANTITATIVOS Y MICROSCOPÍA ELECTRÓNICA DE BARRIDO
Karen Alejandra Rosales Hernández Página | 17
1.3 Relación Pigmento / Cargas / Resina
La relación cuantitativa entre los pigmentos, cargas y resina se expresa
como Concentración Volumétrica del Pigmento de la película seca y se indica
como CVP: [10]
Un CVP de 0% sería un material que consiste solamente de resina. Cuanto
menos resina en la pintura exista, el CVP aumenta porcentualmente en relación
con la suma de pigmentos y cargas; un CVP de 100% sería un material que
consiste únicamente de pigmentos y cargas. Entre mayor cantidad de resina la
pintura tendrá un acabado satinado, de lo contrario, a menor cantidad de resina el
acabado es mate.
Una concentración en volumen de pigmento crítico (CVPC) es el punto en
donde se encuentran los pigmentos y las cargas perfectamente compactadas,
impregnadas y cubiertas con resina sin exceso alguno.
Los valores bajos de CVP implican la existencia de una fase coherente de
resina en la que están incluidos totalmente las cargas y pigmentos. En este caso
se trata de un CVP por debajo del CVPC.
Un CVP por encima del CVPC significa que la cantidad de resina no
alcanza para formar una fase coherente de la pintura. En este caso las cargas y
pigmentos están adheridos entre sí con poca resina. Para este tipo de
recubrimientos, se desarrolla el efecto “cubriente seco”. Los recubrimientos son
mate, de poca cohesión y porosos. Las películas son permeables al agua y
pierden la elasticidad y resistencia al frote en húmedo.
Entre más diferencia exista del CVP y CVPC, aumenta el poder cubriente
de la pintura. Las dispersiones con partículas finas causan un CVPC más alto que
dispersiones con partículas gruesas. [2]
1.4 Análisis cuantitativos en pinturas
Se realizan diferentes análisis para conocer el desempeño y afectación de
las materias primas sobre las pinturas. En la fase líquida los análisis físicos son de
densidad, viscosidad y porciento de sólidos. Para la fase sólida o de película
existen diferentes análisis como blancura, brillo y morfología de la película.
OPTIMIZADOR ESTADÍSTICO DE FORMULACIÓN PARA PINTURAS ARQUITECTÓNICAS BLANCAS, BASADO EN ANÁLISIS CUANTITATIVOS Y MICROSCOPÍA ELECTRÓNICA DE BARRIDO
Karen Alejandra Rosales Hernández Página | 18
1.4.2 Fase Líquida
Densidad: Se define como el peso por unidad volumétrica a 25ºC. Se
determina mediante el uso de picnómetro, son copas cilíndricas con un
orificio de gran tamaño para el llenado, vaciado y la limpieza. [11] La tapa de
cierre preciso se eleva ligeramente para eliminar el aire y pintura excedente
correspondiente al volumen establecido. [12]
Figura 5: Picnómetro BYK
Viscosidad: Es la resistencia de los líquidos a fluir. Cuanto más viscoso es
un líquido, más lento es su flujo. El método de ensayo Stormer cubre la
determinación de viscosidad en Unidades Krebs (KU) para evaluar la
consistencia de pinturas y recubrimientos. [13]
Figura 6: Viscosímetro Stormer KU1+
OPTIMIZADOR ESTADÍSTICO DE FORMULACIÓN PARA PINTURAS ARQUITECTÓNICAS BLANCAS, BASADO EN ANÁLISIS CUANTITATIVOS Y MICROSCOPÍA ELECTRÓNICA DE BARRIDO
Karen Alejandra Rosales Hernández Página | 19
% Sólidos: Es la suma gravimétrica de los componentes no volátiles. El
procedimiento más simple, es secar la pintura, evaporando el agua y
determinar gravimétricamente el contenido de sólidos. [2]
Figura 7: Horno Binder y charolas de aluminio
1.4.2 Fase Sólida, Película
Finura: Se refiere a la presencia de partículas de mayor tamaño o
aglomerados en el proceso de dispersión. El grindómetro es un bloque
plano de acero con dos ranuras cuneiformes en las que varia la profundidad
uniformemente, desde la profundidad máxima en un extremo hasta el valor
cero en el otro extremo. La escala Hegman va de 0 a 8, siendo el número
más alto el que determina la partícula más pequeña. Una optima dispersión
para el pigmento de TiO2 es ente 6.5 y 7.5 Hegman. [6]
Figura 8: Grindómetro BYK
Para la prueba de blancura y poder cubriente se utilizo un aplicador
automático con vacío BYK Gardner (Figura 9) para poder formar la película
en las lenetas correspondientes a cada prueba. La lectura de dichas lenetas
se llevo a cabo en un espectrofotómetro LabScan XE (Figura 10).
OPTIMIZADOR ESTADÍSTICO DE FORMULACIÓN PARA PINTURAS ARQUITECTÓNICAS BLANCAS, BASADO EN ANÁLISIS CUANTITATIVOS Y MICROSCOPÍA ELECTRÓNICA DE BARRIDO
Karen Alejandra Rosales Hernández Página | 20
Figura 9: Aplicador automático con vacío BYK Gardner
Figura 10: Espectrofotómetro LabScan XE
Blancura: Es la prueba para medir que tan blanca es la película mediante
lenetas de aplicación (Figura 11) y el espectrofotómetro en escala CIELAB
(Figura 12), el color se basa en la cantidad de luz roja, verde y azul que el
ojo puede ver es una cuestión de percepción subjetiva e interpretación.
CIELAB (o CIE L*a*b*, CIE Lab) es una escala para medir objetos
reflectivos y transmisivos en donde el espacio de color con valores L*, a* y
b* se grafican usando un sistema cartesiano. El eje L indica la claridad
siendo 0 negro y 100 blanco con una escala de grises. Los ejes a y b son
OPTIMIZADOR ESTADÍSTICO DE FORMULACIÓN PARA PINTURAS ARQUITECTÓNICAS BLANCAS, BASADO EN ANÁLISIS CUANTITATIVOS Y MICROSCOPÍA ELECTRÓNICA DE BARRIDO
Karen Alejandra Rosales Hernández Página | 21
las coordenadas cromáticas, a es el eje de verde a rojo los valores
negativos indican los colores verdes y los valores positivos los colores
rojos, b es el eje de azul a amarillo los valores negativos indican los colores
azules y los valores positivos indican los amarillos. [14]
Figura 11: Aplicador BYK 5 MIL y Leneta WB
Figura 12: Escala CIELAB
Poder cubriente: Se define como la capacidad de una película para
obscurecer un fondo de color contrastante. El cubrimiento ocurre cuando se
reduce la penetración de la luz incidente a través de la capa de pintura, ya
sea por desviación debida al TiO2 o por absorción debida a la presencia de
material colorido.
OPTIMIZADOR ESTADÍSTICO DE FORMULACIÓN PARA PINTURAS ARQUITECTÓNICAS BLANCAS, BASADO EN ANÁLISIS CUANTITATIVOS Y MICROSCOPÍA ELECTRÓNICA DE BARRIDO
Karen Alejandra Rosales Hernández Página | 22
La teoría de Kubelka-Munk permite la descripción de la absorción de luz
general y las propiedades de dispersión de luz en pinturas, plásticos y otros
sistemas pigmentados con la ayuda de mediciones de sus reflactancias. [15]
En 1931, Kubelka y Munk publicaron las ecuaciones que definen la relación
entre el índice de contraste, el brillo y la cantidad de material dispersor de la luz
presente en una película pigmentada. Las cuales permiten conocer el poder
cubriente de una pintura obteniéndose este dato en m2/L. [16]
Esta prueba se realiza en lenetas de aplicación y con el aplicador BYK 1.5 MIL
que significa espesor de capa húmeda con aproximadamente 76.2 µm (Figura 13).
Figura 13: Aplicador BYK 1.5 MIL y Leneta 2-4
Morfología de la película: Con esta prueba podemos conocer el
espaciamiento entre partículas de una película mediante el Microscopio
Electrónico de Barrido MEB (Figura 15) ya que utiliza un haz de electrones
para obtener información morfológica y topográfica superficial. Se pueden
realizar estudios de zonas microscópicas de los distintos materiales con los
que trabajan además del procesamiento y análisis de las imágenes
obtenidas, las principales utilidades del SEM son la alta resolución, la gran
profundidad de campo que le da apariencia tridimensional de las imágenes
y la sencilla preparación de las muestras. [17]
En el MEB el haz sale del cañón de electrones y cruza una lente magnética
condensadora cuya función es concentrar el ancho del haz, luego pasa a través de
OPTIMIZADOR ESTADÍSTICO DE FORMULACIÓN PARA PINTURAS ARQUITECTÓNICAS BLANCAS, BASADO EN ANÁLISIS CUANTITATIVOS Y MICROSCOPÍA ELECTRÓNICA DE BARRIDO
Karen Alejandra Rosales Hernández Página | 23
una bobina de barrido que tiene la función de redireccionar el haz para barrer la
muestra punto por punto, en este momento los electrones que llegan a la muestra
se pueden comportar de diferentes maneras, estos pueden ser reflejados
elásticamente sin pérdida de energía, pueden ser absorbidos y producir electrones
secundarios de baja energía, rayos x, emisión de luz visible o corrientes eléctricas
dentro de la muestra. Estos efectos pueden usarse para producir una imagen, lo
más común son los electrones secundarios ya que pueden usarse con cualquier
tipo de muestra. Los electrones secundarios emitidos por la muestra son captados
por un colector de electrones el cual registra la intensidad de estos, después con
un sistema electrónico se amplifica la señal y se proyecta con un cinescopio de
TV, el cañón de barrido y el cinescopio de la TV están sincronizados de modo que
cada punto que se ve en la TV corresponde a un punto sobre la muestra.
Se ha desarrollado una técnica para cuantificar el grado de dispersión de un
pigmento en una película de pintura. Usando esta herramienta, se puede
comparar el grado de dispersión de una película de pintura a otra, incluso para
películas con diferentes CVP o resinas y se puede comparar el grado de
dispersión a la esperada para una distribución aleatoria de las partículas de
pigmento. [18]
Figura 14: Microscopio Electrónico de Barrido MEB
OPTIMIZADOR ESTADÍSTICO DE FORMULACIÓN PARA PINTURAS ARQUITECTÓNICAS BLANCAS, BASADO EN ANÁLISIS CUANTITATIVOS Y MICROSCOPÍA ELECTRÓNICA DE BARRIDO
Karen Alejandra Rosales Hernández Página | 24
CAPÍTULO 2
DISEÑO DE EXPERIMENTOS
El diseño experimental estudia procesos y ayuda a mejorarlos. Tomando en
cuenta que un factor es la variable cuyo efecto sobre la respuesta queremos
conocer y el nivel es el valor que toma un factor en el experimento, las variables
que ingresan son las de entrada y el resultado es la variable de salida. Se
examinan los factores para determinar su importancia en la explicación de la
variación del proceso. La utilización de esta herramienta permite identificar la
combinación de variables de entrada que producen una óptima variable de salida.
2.1 DOE Factorial
Un experimento factorial permite investigar todas las combinaciones
posibles en cada experimento. Todas las unidades experimentales intervienen en
la determinación de los efectos principales y de los efectos de interacción de los
factores, provocando un número de repeticiones elevado para estos casos.
2.1.1 DOE Factorial Fraccionado
Cuando el número de factores es grande, la cantidad de experimentos a
realizar en un diseño factorial completo, puede resultar inmanejable. Para estos
casos, se utilizan los diseños factoriales fraccionados, en los cuales se selecciona
un subconjunto de ensayos del total de combinaciones posibles, a cambio de una
incertidumbre en la información que se obtiene del sistema. Los ensayos se
escogen de forma que se confundan los efectos de los factores principales con
algunas de las interacciones. Esta estrategia supone que la probabilidad de que
los efectos principales influyan en el sistema, es superior al de algunas de las
interacciones. [19]
2.2 DOE Taguchi
Los diseños de Taguchi reconocen que no todos los factores que originan
variabilidad pueden controlarse en la práctica. Estos factores incontrolables se
denominan factores de ruido. Los diseños de Taguchi intentan identificar los
factores controlables que minimizan el efecto de los factores de ruido. Durante el
experimento se manipulan los factores de ruido para forzar que ocurra la
variabilidad y luego hallar la configuración de los factores de control óptimos para
que el proceso o producto sea fuerte o resistente a la variación de los factores de
OPTIMIZADOR ESTADÍSTICO DE FORMULACIÓN PARA PINTURAS ARQUITECTÓNICAS BLANCAS, BASADO EN ANÁLISIS CUANTITATIVOS Y MICROSCOPÍA ELECTRÓNICA DE BARRIDO
Karen Alejandra Rosales Hernández Página | 25
ruido. Los diseños de Taguchi utilizan arreglos ortogonales, lo que permite
investigar cada efecto independientemente de los demás y puede reducir el tiempo
y los costos asociados con el experimento. Los diseños de Taguchi se centran en
la reducción de la variabilidad. [19]
En la Tabla 5 se hace una comparación de dos enfoques estadísticos:
diseño experimental clásico y de Taguchi. [20]
Tabla 5: DOE y Taguchi: una comparación
DOE clásico Taguchi
Contexto ideal Investigación; ciencia pura Industria; ciencia aplicada (tecnología)
Objetivos
Estudio científico: validar
hipótesis a partir de datos con
variabilidad intrínseca.
Estudio de ingeniería: costo, calidad,
plazo (valor agregado)
Modelar la realidad, entender el
fenómeno
Modificar la realidad, optimizar
producto/proceso
Postura
Detectar causas Minimizar el impacto de las causas
Separar efectos principales en
relación al error experimental
Encontrar condición estable frente al
"ruido"
Metodología
Rigor estadístico: énfasis en
significancia estadística
Criterios de ingeniería: énfasis en
significancia técnica y consideraciones
de costo
Uso de réplicas (muestras
mayores en cada ronda), para
poder estimar el error
experimental.
Pueden ser usadas muestras pequeñas
en cada ronda con un valor en cada
condición extrema del ruido, ya que eso
funciona como si fuera una muestra
aleatoria muy grande.
Factores de control
Típicamente 3 a 4 factores
estudiados simultáneamente
Típicamente 8 a 13 factores estudiados
simultáneamente
Dos niveles cada factor Tres niveles o más (para identificar una
nueva región de optimización)
Interacciones tienen precedencia
sobre efectos principales (evitar
confundimiento)
Efectos principales tienen precedencia
sobre interacciones (dejar que
eventuales confundimientos
insospechados se manifiesten en el
experimento confirmatorio)
OPTIMIZADOR ESTADÍSTICO DE FORMULACIÓN PARA PINTURAS ARQUITECTÓNICAS BLANCAS, BASADO EN ANÁLISIS CUANTITATIVOS Y MICROSCOPÍA ELECTRÓNICA DE BARRIDO
Karen Alejandra Rosales Hernández Página | 26
CAPÍTULO 3
METODOLOGÍA
Es el conjunto de procedimientos para poder determinar el comportamiento
de los diferentes parámetros de formulación dentro de la pintura.
3.1 Materias Primas
Durante la formulación, es necesario contar con diferentes sustancias para
poder llevar a cabo las dos fases y así lograr la composición de una pintura. En la
Tabla 6 se muestra un desglose de las materias primas utilizadas en este estudio.
Tabla 6: Materias primas utilizadas para la formulación de pinturas
Pigmento
TiO2 Multipropósito (Subtono Neutro) – R 902
TiO2 Grado para pinturas mate (Subtono Amarillo) – R 931
TiO2 Universal durable (Subtono Azul) – R 706
TiO2 Tradicional interior (Subtono Amarillo) – R 900
Cargas
Caolín 1.3 µm - SatintoneMatex Mx
CaCO3 1 µm - Omyacarb 1
CaCO3 10 µm - Omyacarb 10
Resina Vinil Acrílica - Mowilith DM 55
Aditivos
Humectante - KTPP (Tripolifosfato de Potasio)
Dispersante - Orotan 731
Disolvente - Etilenglicol
Coalescente - Texanol
Antiespumante - BYK37
Fungicida - Skane M-8
Microbicida - Kathon
Espesante Celulósico - Natrosol MHR 250
Espesante Acrílico - Primal TT 935
Amortiguador de pH - AMP95
Agua
OPTIMIZADOR ESTADÍSTICO DE FORMULACIÓN PARA PINTURAS ARQUITECTÓNICAS BLANCAS, BASADO EN ANÁLISIS CUANTITATIVOS Y MICROSCOPÍA ELECTRÓNICA DE BARRIDO
Karen Alejandra Rosales Hernández Página | 27
3.2 Demanda de dispersante
Antes de comenzar la fabricación de pinturas, se determinó una demanda
de dispersante con Orotan 731, necesaria para la dispersión optima del pigmento,
esta con el mínimo torque (fuerza que producen los cuerpos en rotación) a un
máximo contenido de dispersante.
3.3 Procedimiento de formulación
Dispersión
En 175 mL de agua Agregar TiO2 hasta notar un máximo
torque a 1000 RPM
Agregar gota por gota el dispersante, tomando por
diferencia su peso y anotando la variación
de torque
Obtener el mínimo torque
Calcular
(% dispersante)/(% TiO2 )
Preparación de solución de Natrosol al 2%, se agitó hasta obtener un gel sin grumos
Preparación de la pasta para dispersión (aditivos + pigmento + cargas)
Los aditivos se incorporaron lentamente a máximo 1000 RPM. Se aumentó la velocidad a 1200 RPM y se agregaron las cargas y el pigmento dependiendo de su absorción de aceite, de menor a mayor,
siendo el orden TiO2 - Carbonato - Caolín. Se cuidó la ausencia de aglomerados. En seguida, se aumentó la velocidad a 2000 RPM durante 15 min para concluir la dispersión. Se determinó en ese
momento la finura de la pasta con el grindometro, hasta confirmar una buena dispersión.
OPTIMIZADOR ESTADÍSTICO DE FORMULACIÓN PARA PINTURAS ARQUITECTÓNICAS BLANCAS, BASADO EN ANÁLISIS CUANTITATIVOS Y MICROSCOPÍA ELECTRÓNICA DE BARRIDO
Karen Alejandra Rosales Hernández Página | 28
Terminado (Ampliado)
3.4 Evaluación de aplicaciones
3.4.1 Poder Cubriente seco y húmedo
Poder cubriente seco [21]
Homogenizar la muestra teniendo
cuidado de no crear burbujas
Tarar las lenetas de contraste
blanco y negro en la balanza
analítica.
Colocar la leneta en enrasador automático con vacío. Producir una película uniforme sobre la longitud
total de la carta de aplicación.
Poner en posición el aplicador de 1.5 MIL, aplicar suficiente pintura sobre la
leneta en la parte superior para asegurar un enrase completo.
Accionar el enrasador
automático con vacío
En la balanza analítica pesar y registrar, 20 segundos máximo
después de aplicación. Lograr dos enrases con
una variación de los pesos de las películas húmedas de 0.03 g.
Mínimo 24 horas de secado.
Efectuar lecturas en el
Espectrofotómetro LabScan XE en escala (x, y, z).
Se toman 3 lecturas en cada una de las dos secciones “blanca” y
“negra” de cada una de las dos cartas para poder reportar un
promedio
Se calcula el poder cubriente
mediante el método de
Kubelka-Munk con el programa
interno de DuPont®
Se mezclaron la pasta, el Natrosol, la resina y los demás aditivos para obtener la pintura terminada. Se incorporaron a una velocidad
máxima de 900 RPM cuidando de no producir espuma. Se determinó la finura de
la pintura terminada con el grindómetro, obteniendo 6 en escala Hegman
(aproximadamente 25 µm)
Se realizó un ajuste final de viscosidad en un rango de 91 5
KU’s mediante el espesante celulósico o acrílico según el caso,
sin modificar las proporciones establecidas en la fórmula.
OPTIMIZADOR ESTADÍSTICO DE FORMULACIÓN PARA PINTURAS ARQUITECTÓNICAS BLANCAS, BASADO EN ANÁLISIS CUANTITATIVOS Y MICROSCOPÍA ELECTRÓNICA DE BARRIDO
Karen Alejandra Rosales Hernández Página | 29
Poder cubriente húmedo [21]
3.4.2 Microscopía Electrónica de Barrido
Microscopía electrónica de barrido [18]
Después de leer el cubriente seco en la
leneta, tomar una pipeta y agregar
aceite en medio de la leneta
Desplazar el aceite hacia los lados para
cubrir de forma uniforme
Efectuar lecturas en el Espectrofotómetro
LabScan XE en escala (x, y, z).
3 lecturas en cada una de las dos
secciones “blanca” y “negra” de cada una
de las dos cartas para poder reportar un
promedio
Se calcula el poder cubriente mediante el método de Kubelka-Munk con el
programa interno de DuPont®
Se utilizó un microscopio electrónico de barrido (MEB) con una ampliación de 10000x y baja
tensión.
Se tomaron tres fotos de cada área, la primera con una tensión
de 3 keV, la segunda a una tensión de 5 keV y la tercera a una
tensión de 10 keV.
Se utilizan estas imágenes para realizar una medición cualitativa de
qué tan bien se dispersan las partículas de TiO2 dentro de la
pintura.
OPTIMIZADOR ESTADÍSTICO DE FORMULACIÓN PARA PINTURAS ARQUITECTÓNICAS BLANCAS, BASADO EN ANÁLISIS CUANTITATIVOS Y MICROSCOPÍA ELECTRÓNICA DE BARRIDO
Karen Alejandra Rosales Hernández Página | 30
3.5 Desarrollo de formulación con la aplicación del Diseño de Experimentos
Para el DOE factorial, se consideraron los siguientes factores y niveles de
acuerdo al espacio de formulación típico en las calidades de pinturas, de 1° a 3°
calidad, se muestran en la Tabla 7.
Tabla 7: Diseño Factorial
Factor Nivel
% Volumen de Sólidos
16
22
28
34
40
% CVP
35
55
70
Grados TiO2 R931
R902+
g/L de TiO2
350
290
230
170
110
50
% Relación de cargas Caolin:Carbonato 70:30
30:70
Tipo de espesante Celulósico
Acrílico
Se obtuvieron 720 combinaciones posibles entre las variables. Estas
combinaciones de Minitab®, se registran en la Figura 15.
OPTIMIZADOR ESTADÍSTICO DE FORMULACIÓN PARA PINTURAS ARQUITECTÓNICAS BLANCAS, BASADO EN ANÁLISIS CUANTITATIVOS Y MICROSCOPÍA ELECTRÓNICA DE BARRIDO
Karen Alejandra Rosales Hernández Página | 31
Figura 15: Minitab®, DOE factorial
OPTIMIZADOR ESTADÍSTICO DE FORMULACIÓN PARA PINTURAS ARQUITECTÓNICAS BLANCAS, BASADO EN ANÁLISIS CUANTITATIVOS Y MICROSCOPÍA ELECTRÓNICA DE BARRIDO
Karen Alejandra Rosales Hernández Página | 32
CAPÍTULO 4
RESULTADOS Y DISCUSIONES
4.1 Demanda de dispersante
Para cada grado de pigmento se obtuvo un factor de
Demanda de dispersante
Dispersante Orotan 731
TiO2 R 931
Ingredientes g
Agua 175.00
TiO2 261.22
Curva de dispersante
Dispersante (g) Torque (Nm)
0.00 0.030
0.12 0.030
0.25 0.026
0.32 0.022
0.42 0.017
0.49 0.017
0.57 0.016
0.65 0.016
0.72 0.016
0.81 0.017
0.98 0.022
1.14 0.014
1.3 0.007
1.37 0.007
1.47 0.004
1.58 0.004
1.68 0.003
1.91 0.003
2.03 0.003
3.72 0.003
% Dispersante / % TiO2
0.64
OPTIMIZADOR ESTADÍSTICO DE FORMULACIÓN PARA PINTURAS ARQUITECTÓNICAS BLANCAS, BASADO EN ANÁLISIS CUANTITATIVOS Y MICROSCOPÍA ELECTRÓNICA DE BARRIDO
Karen Alejandra Rosales Hernández Página | 33
En la Figura 16 se muestra el cambio de torque al agregar dispersante gota
a gota al pigmento, a partir de 1.68 g de dispersante, el torque es mínimo, esto
significa que este valor se va a usar para obtener la proporción de
para el grado R 931.
Figura 16: Grafica demanda de dispersante para R 931
Se llevó a cabo la demanda de dispersante para cada grado mostrando en la
Tabla 8 los valores correspondientes.
Tabla 8: Demanda de dispersante para diferentes pigmentos
Pigmento
R931 0.64
R706 0.53
R900 0.43
R902 0.52
Estos valores se modificaron en el formulador para el cálculo del resto de
las materias primas.
0,000
0,010
0,020
0,030
0,00 0,50 1,00 1,50 2,00 2,50 3,00 3,50 4,00
Torq
ue
g Orotan 731
Demanda de dispersante R931
OPTIMIZADOR ESTADÍSTICO DE FORMULACIÓN PARA PINTURAS ARQUITECTÓNICAS BLANCAS, BASADO EN ANÁLISIS CUANTITATIVOS Y MICROSCOPÍA ELECTRÓNICA DE BARRIDO
Karen Alejandra Rosales Hernández Página | 34
4.2 DOE Factorial
Se obtuvieron 720 combinaciones posibles, debido a que no es factible su
experimentación por la cantidad de pinturas y tiempo necesarios, se simplifico
usando un DOE Taguchi en donde solo hay combinaciones representativas.
4.3 DOE Taguchi
Se utilizó un diseño de experimentos tipo Taguchi para identificar los
parámetros que tienen un mayor efecto sobre el poder cubriente.
Los factores y sus niveles se muestran en la Tabla 9.
Tabla 9: Diseño Taguchi
Factor Nivel
% Volumen de sólidos
16
24
32
40
% CVP
30
43
56
70
Grados TiO2
R931
R902+
R706
R900
g/L de TiO2
50
160
260
350
% Relación de cargas Caolin:Carbonato 70:30
30:70
Tipo de espesante Celulósico
Acrílico
Tamaño de partícula de CaCO3 µm 1
10
Debido a la simplificación por el método Taguchi, se amplió la gama de
grados de TiO2 así como el tamaño de partícula en µm del CaCO3.
OPTIMIZADOR ESTADÍSTICO DE FORMULACIÓN PARA PINTURAS ARQUITECTÓNICAS BLANCAS, BASADO EN ANÁLISIS CUANTITATIVOS Y MICROSCOPÍA ELECTRÓNICA DE BARRIDO
Karen Alejandra Rosales Hernández Página | 35
La lista de combinaciones proporcionada por Minitab® para estos factores y
niveles fue de 16 formulaciones, como se muestra en la Tabla 10.
Tabla 10: Minitab
®, DOE Taguchi
Fórmula % Sólidos %
CVP
g/L
TiO2
Grado
TiO2
%
Caolín Espesante
Tamaño de
partícula
Carbonato,
µm
1 16 30 50 R902+ 30 Celulósico 1
2 16 43 160 R931 30 Acrílico 10
3 16 56 260 R706 70 Celulósico 10
4 16 70 350 R900 70 Acrílico 1
5 24 30 160 R706 70 Acrílico 1
6 24 43 50 R900 70 Celulósico 10
7 24 56 350 R902+ 30 Acrílico 10
8 24 70 260 R931 30 Celulósico 1
9 32 30 260 R900 30 Acrílico 10
10 32 43 350 R706 30 Celulósico 1
11 32 56 50 R931 70 Acrílico 1
12 32 70 160 R902+ 70 Celulósico 10
13 40 30 350 R931 70 Celulósico 10
14 40 43 260 R902+ 70 Acrílico 1
15 40 56 160 R900 30 Celulósico 1
16 40 70 50 R706 30 Acrílico 10
Mediante el análisis de resultados, se observó que los factores que tienen
un mayor efecto sobre el poder cubriente seco fueron: % de sólidos, CVP,
contenido de TiO2 y el grado del pigmento, esto se muestra en la Figura 17. Se
puede notar en la pendiente de la gráfica que entre mayor pendiente, mayor efecto
sobre el poder cubriente en seco.
OPTIMIZADOR ESTADÍSTICO DE FORMULACIÓN PARA PINTURAS ARQUITECTÓNICAS BLANCAS, BASADO EN ANÁLISIS CUANTITATIVOS Y MICROSCOPÍA ELECTRÓNICA DE BARRIDO
Karen Alejandra Rosales Hernández Página | 36
Figura 17: Efectos principales sobre el poder cubriente en seco, DOE Taguchi
Sin embargo en el poder cubriente húmedo el factor con mayor influencia
es el contenido de TiO2. Resultados que se muestran en la Figura 18.
Figura 18: Efectos principales sobre el poder cubriente en húmedo, DOE Taguchi
Por lo tanto, los parámetros seleccionados para llevar a cabo un diseño
factorial fraccionado fueron: % de sólidos, CVP, grados y contenido de TiO2.
OPTIMIZADOR ESTADÍSTICO DE FORMULACIÓN PARA PINTURAS ARQUITECTÓNICAS BLANCAS, BASADO EN ANÁLISIS CUANTITATIVOS Y MICROSCOPÍA ELECTRÓNICA DE BARRIDO
Karen Alejandra Rosales Hernández Página | 37
A partir de la “voz del cliente” basado en el estudio de pinturas
profesionales del 2012 que realizó el equipo técnico de Tecnologías de Titanio
México, se concluyó que los pintores profesionales creen que el poder cubriente
en seco es el atributo más importante a considerar en una pintura, como se
muestra en la Tabla 11; se toma como referencia esta propiedad para determinar
los valores de los factores más relevantes para llevar a cabo el optimizador
estadístico.
Tabla 11: VoC del estudio de pinturas profesionales 2012. DuPont Titanium Technologies
Pregunta Que tan importante es .. Puntos
Totales Peso
Propiedad
equivalente a la
pintura
1 … la aplicación de varias
capas de pintura? 173 28.41%
Poder Cubriente
Seco
2 … que la pintura cubra
mientras esta húmeda? 101 7.95%
Poder Cubriente
Húmedo
3 ... aplicar fácilmente con
brocha? 103 8.52% Viscosidad ICI
4
… que una vez que se ha
aplicado la pintura no se
escurra?
121 13.64% Nivelación
5 … el tono blanco azuloso en la
pintura? 83 2.84% b*
6
… que el color no cambie
después de que se seque la
pintura?
113 11.36% L*
7 .. que el color no cambia con
el tiempo? 125 14.77%
dE* después 1000 h
QUV
8 .. que la pintura sea fácil de
limpiar? 117 12.50%
Resistencia a la
mancha
Para determinar los niveles que se necesitaban evaluar para cada uno de
estos parámetros y con los resultados obtenidos del diseño de Taguchi, se
analizaron las interacciones entre ellos y su efecto sobre poder cubriente en seco,
como se muestra en la Figura 19.
OPTIMIZADOR ESTADÍSTICO DE FORMULACIÓN PARA PINTURAS ARQUITECTÓNICAS BLANCAS, BASADO EN ANÁLISIS CUANTITATIVOS Y MICROSCOPÍA ELECTRÓNICA DE BARRIDO
Karen Alejandra Rosales Hernández Página | 38
Figura 19: Interacción entre los valores de los niveles más importantes sobre el poder cubriente
Mediante la gráfica de interacción se puede seleccionar el grado de TiO2 en
relación al mayor desempeño en poder cubriente dado por el R 931 y el grado R
706 que presenta menor dependencia en la formulación debido al bajo desempeño
de poder cubriente independiente del CVP y el contenido de TiO2.
Los valores con óptimo desempeño sobre el poder cubriente son 70% CVP,
260 g/L de TiO2, y R 931 como grado.
Los valores de los niveles con un efecto menos relevante sobre el poder
cubriente se eligieron en cuanto a las formulaciones genéricas.
Para la relación de cargas se manejó 30% Caolín y 70% CaCO3 que es la
manera habitual de la relación de cargas en una formulación. Para el espesante se
decidió utilizar el celulósico debido a la facilidad en su manejo, el tipo de CaCO3
que se utilizó fue el Omyacarb 1 por su buena dispersión sin importar las
condiciones.
Entre mayor interacción de factores existen mayores posibilidades de
formulación, se deben optimizar costos encontrando los niveles de los factores
más relevantes.
OPTIMIZADOR ESTADÍSTICO DE FORMULACIÓN PARA PINTURAS ARQUITECTÓNICAS BLANCAS, BASADO EN ANÁLISIS CUANTITATIVOS Y MICROSCOPÍA ELECTRÓNICA DE BARRIDO
Karen Alejandra Rosales Hernández Página | 39
4.4 DOE Factorial Fraccionado
Para determinar los niveles que se necesitan evaluar para: % de sólidos,
CVP y contenido de TiO2, como parámetros influyentes en el poder cubriente en
seco se analizaron los límites inferior y superior como se muestra en la Figura 20.
Figura 20: Límite inferior y superior de los efectos principales sobre el poder cubriente en seco.
DOE Factorial Fraccionado
Los niveles de % CVP seleccionados fueron: CVP 70 que proporciona los
mayores valores de poder cubriente seco y CVP 30 con el poder cubriente seco
más deficiente.
Los niveles seleccionados de contenido de titanio fueron 260 g/L TiO2 que
presenta el máximo poder cubriente seco y 50 g/L contenido en donde se presenta
un poder cubriente seco menor.
El valor que se tomó para % en volumen de sólidos es 40 por su alto
desempeño en el poder cubriente seco y 24 para abarcar un rango mayor en la
formulación.
Los valores utilizados para el cálculo y combinación de los parámetros a
utilizar en una segunda evaluación, basados en el DOE Taguchi se presentan en
la Tabla 12.
OPTIMIZADOR ESTADÍSTICO DE FORMULACIÓN PARA PINTURAS ARQUITECTÓNICAS BLANCAS, BASADO EN ANÁLISIS CUANTITATIVOS Y MICROSCOPÍA ELECTRÓNICA DE BARRIDO
Karen Alejandra Rosales Hernández Página | 40
Tabla 12: Diseño Factorial Fraccionado
Factor Nivel
% Volumen de Sólidos 24
40
% CVP 30
70
Grados TiO2 R931
R706
g/L de TiO2 50
260
Se llevó a cabo un DOE factorial fraccionado en el cual se obtuvieron 8
pinturas teniendo en cuenta que habría 3 repeticiones de cada punto
representativo y dos puntos centrales, de acuerdo a la Tabla 13:
Tabla 13: Minitab
®, DOE Factorial Fraccionado
Formula Puntos Centrales % CVP % Sólidos Grado TiO2 g/L TiO2
1 1 70 24 R706 50
2 0 50 32 R931 155
3 1 30 40 R931 260
4 1 70 24 R931 260
5 1 70 24 R706 50
6 1 70 40 R931 50
7 1 30 40 R706 50
8 1 30 24 R706 260
9 1 30 24 R931 50
10 1 70 40 R931 50
11 1 30 24 R931 50
12 1 30 24 R706 260
13 1 70 40 R706 260
14 0 50 32 R706 155
15 1 30 40 R931 260
16 1 70 24 R706 50
17 1 30 40 R706 50
18 1 70 40 R706 260
19 1 30 24 R931 50
20 1 70 40 R931 50
21 1 70 24 R931 260
22 1 30 40 R931 260
23 1 30 40 R706 50
24 1 70 40 R706 260
25 1 30 24 R706 260
26 1 70 24 R931 260
OPTIMIZADOR ESTADÍSTICO DE FORMULACIÓN PARA PINTURAS ARQUITECTÓNICAS BLANCAS, BASADO EN ANÁLISIS CUANTITATIVOS Y MICROSCOPÍA ELECTRÓNICA DE BARRIDO
Karen Alejandra Rosales Hernández Página | 41
Con este diseño de experimentos se desarrolló un optimizador de fórmula.
Los factores que tienen un mayor efecto sobre el poder cubriente en seco
fueron el CVP y el contenido de TiO2, de acuerdo con lo observado en la Figura
21.
Figura 21: Efectos principales sobre el poder cubriente en seco, DOE factorial fraccionado
En cambio, el factor con un efecto más importante sobre el poder cubriente
en húmedo fue solamente el contenido de TiO2 (Figura 22).
Figura 22: Efectos principales sobre el poder cubriente en húmedo, DOE factorial fraccionado
705030
8
7
6
5
4
403224
R-706R-931
8
7
6
5
4
26015550
CVP
m2/L
%Sólidos
Grado TiO2
Limite
Central
Efectos principales para Poder Cubriente Húmedo
OPTIMIZADOR ESTADÍSTICO DE FORMULACIÓN PARA PINTURAS ARQUITECTÓNICAS BLANCAS, BASADO EN ANÁLISIS CUANTITATIVOS Y MICROSCOPÍA ELECTRÓNICA DE BARRIDO
Karen Alejandra Rosales Hernández Página | 42
Basados en resultados experimentales y en Minitab® se obtuvo una gráfica
de cubo en la que podemos observar con los factores y niveles seleccionados una
estimación del poder cubriente seco (Figura 23) y poder cubriente húmedo (Figura
24) limitado a las condiciones del diseño de experimentos factorial fraccionado.
Figura 23: Gráfica de cubos para ver los factores y la combinación de los ajustes utilizados en el
diseño, sobre el poder cubriente seco
Figura 24: Gráfica de cubos para ver los factores y la combinación de los ajustes utilizados en el
diseño, sobre el poder cubriente húmedo
OPTIMIZADOR ESTADÍSTICO DE FORMULACIÓN PARA PINTURAS ARQUITECTÓNICAS BLANCAS, BASADO EN ANÁLISIS CUANTITATIVOS Y MICROSCOPÍA ELECTRÓNICA DE BARRIDO
Karen Alejandra Rosales Hernández Página | 43
4.4.1 Validación del optimizador
Se utilizó la herramienta de optimización en donde se muestra cómo los
diferentes parámetros experimentales afectan los resultados de los diseños de
experimentos, prediciendo un valor teórico al resultado.
En este caso se utiliza una maximización por lo que Minitab® calcula la
solución óptima a los valores de los niveles que se ingresan. Para comprobar que
el optimizador funcione de forma correcta, se seleccionaron diferentes puntos de
la gráfica de cubo de poder cubriente seco.
La variabilidad debe ser menor a 1 m2/L, para que este método sea
confiable. Este valor está basado en el método y experiencia del centro de servicio
de DuPont Titanium Technologies México.
Se llevaron a cabo diferentes comprobaciones:
Condiciones 1
Factor Nivel
% Volumen de Sólidos 24
% CVP 30
Grados TiO2 R 931
g/L de TiO2 50
m2/L, Resultados experimentales 2.80
Valor gráfica cubo 2.7945
Valor optimizador estadístico 2.8463
Figura 25: Optimizador y gráfica de cubo para condiciones 1
CurHigh
Low0.00000D
New
d = 0.00000
Maximum
cubrient
y = 2.8463
0.00000
Desirability
Composite
50.0
260.0
R-931
R-706
24.0
40.0
30.0
70.0%Sólidos Grado TiO2CVP
30.0 24.0 R-931 50.0
OPTIMIZADOR ESTADÍSTICO DE FORMULACIÓN PARA PINTURAS ARQUITECTÓNICAS BLANCAS, BASADO EN ANÁLISIS CUANTITATIVOS Y MICROSCOPÍA ELECTRÓNICA DE BARRIDO
Karen Alejandra Rosales Hernández Página | 44
Condiciones 2
Punto central
Factor Nivel
% Volumen de Sólidos 32
% CVP 50
Grados TiO2 R706
g/L de TiO2 155
m2/L, Resultados experimentales 7.30
m2/L, Valor gráfica cubo 7.3046
m2/L, Valor optimizador estadístico 7.9257
Figura 26: Optimizador y gráfica de cubo para condiciones 2
Las condiciones 1 y 2 muestran que tanto la parte experimental, el diseño
de experimentos y el optimizador, coinciden en valores con una variación menor
de 1 m2/L.
Condiciones 3
Sin valor experimental
Factor Nivel
% Volumen de Sólidos 40
% CVP 30
Grados TiO2 R706
g/L de TiO2 260
m2/L, Resultados experimentales ---
m2/L, Valor gráfica cubo ---
m2/L, Valor optimizador estadístico 8.3581
CurHigh
Low0.35689D
New
d = 0.35689
Maximum
cubrient
y = 7.9257
0.35689
Desirability
Composite
50.0
260.0
R-931
R-706
24.0
40.0
30.0
70.0%Sólidos Grado TiO2CVP
50.0 32.0 R-706 155.0
OPTIMIZADOR ESTADÍSTICO DE FORMULACIÓN PARA PINTURAS ARQUITECTÓNICAS BLANCAS, BASADO EN ANÁLISIS CUANTITATIVOS Y MICROSCOPÍA ELECTRÓNICA DE BARRIDO
Karen Alejandra Rosales Hernández Página | 45
Figura 27: Optimizador y gráfica de cubo para condiciones 3
El optimizador puede predecir valores óptimos para puntos no evaluados
experimentalmente.
4.5 Microscopía Electrónica de Barrido
Un análisis MEB de las pinturas obtenidas mediante el DOE Factorial
Fraccionado nos muestra que el grado R 931 tiene una morfología microscópica
que permite una separación ideal entre las partículas de TiO2 debido a su
tratamiento superficial (Figura 28), una mejor distribución en la película y por lo
tanto un mayor poder cubriente en comparación con el R 706 (Tabla 14).
Propiedad R 931 R 706
Morfología de la partícula
de pigmento del TiO2
Tratamientos de Superficie
TiO2, % peso 80.0 93.0
Alúmina, % peso
Dispersión 6.4 2.4
Sílice, % peso
Durabilidad 10.2 3.0
Tratamiento Orgánico
Humectabilidad No Si
Figura 28: Tratamiento superficial de la partícula del pigmento de TiO2
CurHigh
Low0.39619D
New
d = 0.39619
Maximum
cubrient
y = 8.3581
0.39619
Desirability
Composite
50.0
260.0
R-931
R-706
24.0
40.0
30.0
70.0%Sólidos Grado TiO2CVP
30.0 40.0 R-706 260.0
OPTIMIZADOR ESTADÍSTICO DE FORMULACIÓN PARA PINTURAS ARQUITECTÓNICAS BLANCAS, BASADO EN ANÁLISIS CUANTITATIVOS Y MICROSCOPÍA ELECTRÓNICA DE BARRIDO
Karen Alejandra Rosales Hernández Página | 46
Tabla 14: Comparación de morfologías microscópicas en una película de pintura a diferentes condiciones
R 931 R 706
CVP 70
260 g/L TiO2
Densidad (g/L) 13.063 15.936
Blancura (L*) 99 98.7
Cubriente Seco (m2/L) 14.14 7.43
Cubriente Húmedo (m2/L) 14.36 8.47
CVP 30
260 g/L TiO2
Densidad (g/L) 12.931 12.258
Blancura (L*) 98.09 98
Cubriente Seco (m2/L) 7.53 7.71
Cubriente Húmedo (m2/L) 7.75 7.59
CVP 50
155 g/L TiO2
Densidad (g/L) 13.364 13.352
Blancura (L*) 97.78 97.54
Cubriente Seco (m2/L) 8.22 7.3
Cubriente Húmedo (m2/L) 6.17 6.05
OPTIMIZADOR ESTADÍSTICO DE FORMULACIÓN PARA PINTURAS ARQUITECTÓNICAS BLANCAS, BASADO EN ANÁLISIS CUANTITATIVOS Y MICROSCOPÍA ELECTRÓNICA DE BARRIDO
Karen Alejandra Rosales Hernández Página | 47
CONCLUSIONES
Estadísticamente el CVP y el contenido de TiO2 fueron los factores con
mayor efecto sobre el poder cubriente, quedando en segundo plano el porcentaje
de sólidos. La relación de cargas y el tipo de espesante no son factores críticos en
los parámetros de formulación para obtener un máximo poder cubriente.
El tipo de pigmento de TiO2 es un factor determinante para incrementar el
poder cubriente debido al espaciamiento entre las partículas de TiO2 que se
genera gracias a los tratamientos de superficie.
El grado R 931 con 16.6 % peso en tratamiento de superficie es el mejor
pigmento de TiO2 para incrementar el poder cubriente en una pintura con alto CVP
y con el mejor rendimiento en el optimizador estadístico de formulación.
Mediante los DOE se logró construir un optimizador estadístico de
formulación para maximizar el desempeño del TiO2, esto es significativo para los
productores de pinturas porque pueden disminuir sus costos de formulación.
El optimizador estadístico de formulación es una herramienta importante
para la disminución del desperdicio en materias primas, generará una mayor
rentabilidad en la producción de pinturas. Lo cual implicará competitividad para
cualquiera de las 374 plantas productoras en México que decidan implementarlo.
Los resultados de la experimentación en comparación con los obtenidos en
el optimizador se encuentran dentro de la tolerancia del método de 1 m2/L, por lo
tanto el optimizador estadístico de formulación es una herramienta confiable para
maximizar la eficiencia y desempeño de las materias primas en una pintura.
La interacción entre las materias primas tiene una gran influencia sobre el
poder cubriente. Es decir, dependiendo del producto que se quiera formular, es
posible encontrar la combinación óptima entre factores y niveles para obtener el
mayor desempeño y eficiencia, obteniendo una pintura arquitectónica rentable.
OPTIMIZADOR ESTADÍSTICO DE FORMULACIÓN PARA PINTURAS ARQUITECTÓNICAS BLANCAS, BASADO EN ANÁLISIS CUANTITATIVOS Y MICROSCOPÍA ELECTRÓNICA DE BARRIDO
Karen Alejandra Rosales Hernández Página | 48
REFERENCIAS
[1] Cruz, S. (2015). Pinturas y Recubrimientos: Una industria boyante y colorida.
ANAFAPYT, Pinturrerías 531, 23-26.
[2] Schweigger, E. (2005). Manual de pinturas y recubrimientos plásticos. Madrid: Díaz de
Santos.
[3] Morales, J., & Aragon, P. (2012). Benchmark del mercado de la pintura mexicana 2012
(p. VoC del estudio de pinturas profesionales). México.
[4] Decorespacio. Pinturas De Emulsión Para El Hogar: Conceptos. Retrieve from
http://www.decorespacio.com/pinturas/1391-
pinturas_de_emulsion_para_el_hogar_conceptos.html
[5] Mowilith DM55: Technical Data Sheet. Retrieved from
http://www.clariant.it/C12575E4001FB2B8/vwLookupDownloads/Emulsions_Newsroom_B
rochure.pdf/$FILE/Emulsions_Newsroom_Brochure.pdf
[6] Presentación Técnica: Dióxido de Titanio. Más que un pigmento blanco. Agosto 2011
[7] Polymers, Light and the science of TiO2. Retrieved from
https://www.chemours.com/Titanium_Technologies/en_US/assets/downloads/Ti-Pure-
polymers-light-science-overview.pdf
[8] Titanium Dioxide for Coatings. Retrieved from
https://www.chemours.com/Titanium_Technologies/en_US/assets/downloads/Ti-Pure-for-
coatings-overview.pdf
[9] Marketizer.com, Q. El carbonato de calcio en la pintura, Retrieved from
http://www.quiminet.com/articulos/el-carbonato-de-calcio-en-la-pintura-2565800.htm
[10] Calvo Carbonell, J. (2009). Pinturas y recubrimientos. Madrid: Díaz de Santos.
[11] Protective Coatings Glossary. 1st ed. Pittsburgh, PA: The Society for Protective
Coatings, 2011. Print.
[12] D1475-85, A. ASTM D1475 - 85 Standard Test Method for Density of Paint, Varnish,
Lacquer, and Related Products. Astm.org., from
http://www.astm.org/DATABASE.CART/HISTORICAL/D1475-85.htm
[13] Nmx-U-038-Scfi-2012: Recubrimientos, Pinturas, Barnices Y Productos Afines –
Determinación de la Viscosidad por los Métodos Stormer Y Brookfield.
OPTIMIZADOR ESTADÍSTICO DE FORMULACIÓN PARA PINTURAS ARQUITECTÓNICAS BLANCAS, BASADO EN ANÁLISIS CUANTITATIVOS Y MICROSCOPÍA ELECTRÓNICA DE BARRIDO
Karen Alejandra Rosales Hernández Página | 49
[14] Guía para Entender la Comunicación del Color. Retrieved from
http://www.mcolorcontrol.com/archivos/L10-001_Understand_Color_es.pdf
[15] Winkler, J. Titanium dioxide.
[16] Hopkins, R., & Mendenhall, W. Utilización Efectiva del Dióxido de Titanio. Retrieved
from
https://www.chemours.com/Titanium_Technologies/es_US/tech_info/literature/Coatings/C
O_B_H_0286_1_Eff_Util_of_TiO2.pdf
[17] Mty.cimav.edu.mx,. Microscopía Electrónica de Barrido - CIMAV Unidad Monterrey.
Retrieved from http://mty.cimav.edu.mx/sem/
[18] Quantitative Determination of Particle Dispersion in a Paint Film Wilmington,DE:
DuPont Titanium Technologies.
[19] Cevallos Ampuero, D. (2010). Comparación de Optimización de métodos
multirespuesta con métodos Taguchi y sistemas neurodifusos vs Optimización por
simulación y desarrollo de una metodología de optimización. Lima, Perú: Instituto de
Investigación de la Facultad de Ingeniera Industrial.
[20] Moura, E. (2015). DOE y Taguchi: una comparación. Qualiplus. Retrieved from
http://qualiplus.com.br/es/doe-y-taguchi-una-comparacion/
[21] D2805-96a, A., & International, A. (2016). ASTM D2805 - 96a Standard Test Method
for Hiding Power of Paints by Reflectometry. Astm.org. from
http://www.astm.org/DATABASE.CART/HISTORICAL/D2805-96A.htm