This work is aimed to develop a novel approach for the quantification of the active components of the detergent and for the recognition of the nature of soils, from the analysis of laundry baths. This information is of utmost importance to design novel strategies to control the washing process, in order to optimize the outcomes in terms of performance, environmental sustainability and costs. A chemometric approach based on the infrared analysis allows the accurate prediction of the concentration of active components of model laundry baths, even for the most diluted components (0.020mmol·L-1 and 0.035mmol·L-1 for Polyacrylate and DTPMP, respectively). Moreover, on the basis of the same dataset, it is also possible to estimate the hardness of the washing bath with an accuracy of 5°f. In view of a possible exploitation of these results for the development of a low cost sensor, the selection of the wavenumbers to be measured can be decisive, as it can remarkably reduce the investigated spectral interval. To this end, the exploitation of suitable genetic algorithms, not only considerably narrows the region of interest, but also provides more accurate and reliable results in prediction. To implement an active control of the washing process, the recognition of the nature of the soils contained in the washing bath is essential. To this regard, this work provides a methodology for the classification of the nature of stains as bleachable, oily and enzymatic soils, based on the infrared analysis of the washing baths. In view of a possible technological implementation, these models have been preliminarily applied to continuous infrared measurements of model washing baths. This set-up, representing the first step towards the development of a sensor to be equipped in real appliances, allows the accurate predictions of the soil category of the stains contained in the laundry baths. The results of this investigation are particularly promising and lay the foundations for the development of a novel IR sensor for the control of the washing process. The real time managing of the washing process can represent a breakthrough in the development of smart home appliances.

Il presente lavoro di Tesi si focalizza sullo sviluppo di un approccio innovativo, basato sull’analisi dei bagni di lavaggio, per la quantificazione dei componenti attivi di detergenti, nonché sul riconoscimento dello sporco. Queste informazioni sono di importanza fondamentale per progettare strategie avanzate di controllo del processo di lavaggio, che ne permettano di ottimizzare le prestazioni, la sostenibilità ambientale ed i costi. A questo scopo, un approccio chemometrico permette di predire accuratamente la concentrazione dei componenti attivi di bagni di lavaggio modello, anche nel caso delle specie più diluite (come poliacrilato e DTPMP presenti in soluzione rispettivamente in concentrazione 0.020mmol·L-1 e 0.035mmol·L-1). Inoltre, dagli stessi dati spettroscopici è possibile stimare anche la durezza dell’acqua del bagno di lavaggio, con un’accuratezza di 5°f. Nell’ottica di sviluppo di un sensore efficiente e a basso costo, è tuttavia necessario selezionare accuratamente i valori di energia da misurare, in modo da ridurre notevolmente l’intervallo spettrale da misurare. Di conseguenza, i dati spettroscopici raccolti in questo lavoro di Tesi sono stati processati con algoritmi generici per la selezione dei valori di energia più informativi: i modelli basati sulle sole variabili selezionate risultano non solo più semplici e affidabili, ma anche più accurati ed affidabili nella predizione. Per implementare strategie di controllo diretto del processo di lavaggio, è fondamentale sviluppare tecniche di riconoscimento della natura dello sporco. In questa Tesi di dottorato viene presentata una tecnica di classificazione, basata sull’analisi infrarossa dei bagni di lavaggio, della natura delle macchie, nelle principali categorie merceologiche dello sporco, ovvero in grasse, enzimatiche e candeggiabili. Nell’ottica di una possibile implementazione tecnologica, questi modelli predittivi sono stati applicati in via preliminare a misure infrarosse di bagni di lavaggio, raccolte in condizioni di flusso continuo. L’apparecchiatura sviluppata in questo studio rappresenta il primo stadio verso lo sviluppo di un sensore che possa essere equipaggiato a bordo di elettrodomestici reali, per la predizione della categoria delle macchie presenti nei bagni di lavaggio. I risultati di questa Tesi di Dottorato sono estremamente promettenti e creano le basi per lo sviluppo di sensori infrarossi innovativi per il controllo del processo di lavaggio. La gestione in tempo reale del processo di lavaggio può rappresentare una svolta decisiva verso lo sviluppo di sistemi intelligenti per il lavaggio domestico.

Identificazione e classificazione delle specie chimiche e dello sporco in bagni di lavaggio domestici

ANTONELLI, GIOVANNI
2022

Abstract

This work is aimed to develop a novel approach for the quantification of the active components of the detergent and for the recognition of the nature of soils, from the analysis of laundry baths. This information is of utmost importance to design novel strategies to control the washing process, in order to optimize the outcomes in terms of performance, environmental sustainability and costs. A chemometric approach based on the infrared analysis allows the accurate prediction of the concentration of active components of model laundry baths, even for the most diluted components (0.020mmol·L-1 and 0.035mmol·L-1 for Polyacrylate and DTPMP, respectively). Moreover, on the basis of the same dataset, it is also possible to estimate the hardness of the washing bath with an accuracy of 5°f. In view of a possible exploitation of these results for the development of a low cost sensor, the selection of the wavenumbers to be measured can be decisive, as it can remarkably reduce the investigated spectral interval. To this end, the exploitation of suitable genetic algorithms, not only considerably narrows the region of interest, but also provides more accurate and reliable results in prediction. To implement an active control of the washing process, the recognition of the nature of the soils contained in the washing bath is essential. To this regard, this work provides a methodology for the classification of the nature of stains as bleachable, oily and enzymatic soils, based on the infrared analysis of the washing baths. In view of a possible technological implementation, these models have been preliminarily applied to continuous infrared measurements of model washing baths. This set-up, representing the first step towards the development of a sensor to be equipped in real appliances, allows the accurate predictions of the soil category of the stains contained in the laundry baths. The results of this investigation are particularly promising and lay the foundations for the development of a novel IR sensor for the control of the washing process. The real time managing of the washing process can represent a breakthrough in the development of smart home appliances.
9-feb-2022
Inglese
Il presente lavoro di Tesi si focalizza sullo sviluppo di un approccio innovativo, basato sull’analisi dei bagni di lavaggio, per la quantificazione dei componenti attivi di detergenti, nonché sul riconoscimento dello sporco. Queste informazioni sono di importanza fondamentale per progettare strategie avanzate di controllo del processo di lavaggio, che ne permettano di ottimizzare le prestazioni, la sostenibilità ambientale ed i costi. A questo scopo, un approccio chemometrico permette di predire accuratamente la concentrazione dei componenti attivi di bagni di lavaggio modello, anche nel caso delle specie più diluite (come poliacrilato e DTPMP presenti in soluzione rispettivamente in concentrazione 0.020mmol·L-1 e 0.035mmol·L-1). Inoltre, dagli stessi dati spettroscopici è possibile stimare anche la durezza dell’acqua del bagno di lavaggio, con un’accuratezza di 5°f. Nell’ottica di sviluppo di un sensore efficiente e a basso costo, è tuttavia necessario selezionare accuratamente i valori di energia da misurare, in modo da ridurre notevolmente l’intervallo spettrale da misurare. Di conseguenza, i dati spettroscopici raccolti in questo lavoro di Tesi sono stati processati con algoritmi generici per la selezione dei valori di energia più informativi: i modelli basati sulle sole variabili selezionate risultano non solo più semplici e affidabili, ma anche più accurati ed affidabili nella predizione. Per implementare strategie di controllo diretto del processo di lavaggio, è fondamentale sviluppare tecniche di riconoscimento della natura dello sporco. In questa Tesi di dottorato viene presentata una tecnica di classificazione, basata sull’analisi infrarossa dei bagni di lavaggio, della natura delle macchie, nelle principali categorie merceologiche dello sporco, ovvero in grasse, enzimatiche e candeggiabili. Nell’ottica di una possibile implementazione tecnologica, questi modelli predittivi sono stati applicati in via preliminare a misure infrarosse di bagni di lavaggio, raccolte in condizioni di flusso continuo. L’apparecchiatura sviluppata in questo studio rappresenta il primo stadio verso lo sviluppo di un sensore che possa essere equipaggiato a bordo di elettrodomestici reali, per la predizione della categoria delle macchie presenti nei bagni di lavaggio. I risultati di questa Tesi di Dottorato sono estremamente promettenti e creano le basi per lo sviluppo di sensori infrarossi innovativi per il controllo del processo di lavaggio. La gestione in tempo reale del processo di lavaggio può rappresentare una svolta decisiva verso lo sviluppo di sistemi intelligenti per il lavaggio domestico.
CENTOMO, PAOLO
Università degli studi di Padova
File in questo prodotto:
File Dimensione Formato  
tesi_dottorato_giovanni_antonelli.pdf

accesso solo da BNCF e BNCR

Dimensione 10.58 MB
Formato Adobe PDF
10.58 MB Adobe PDF

I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.14242/218151
Il codice NBN di questa tesi è URN:NBN:IT:UNIPD-218151