Prediction of standard particleboard mechanical properties utilizing an artificial neural network and subsequent comparison with a multivariate regression model | Predicción de propiedades mecánicas del tablero de partículas estándar mediante una red neuronal artificial y comparación con un modelo de regresión multivariante

Español; castellano. Se han determinado las propiedades físicas (densidad, humedad, hinchazón en espesor y absorción de agua) y mecánicas (tracción perpendicular a las caras, resistencia a flexión y módulo de elasticidad) de 93 tableros de partículas estándar de diferentes espesores, de fabricación española, elegidos aleatoriamente a la salida del proceso de producción, utilizando los métodos de ensayo recogidos en las normas EN correspondientes, excepto en los ensayos de hinchazón y absorción que se ha utilizado norma UNE (española). El espesor y los valores obtenidos de las propiedades físicas han sido introducidos en una red neuronal artificial (RNA) para predecir las propiedades mecánicas del tablero. El ajuste se ha comparado con los habituales modelos de regresión multivariante. La utilización de una red neuronal ha permitido obtener los valores de resistencia a flexión, módulo de elasticidad y resistencia a la tracción perpendicular a las caras de los tableros de partículas a través de los datos conocidos, no sólo de espesor, humedad y densidad sino también de hinchazón en espesor y absorción de agua. La red neuronal propuesta tiene una adecuación a los valores experimentales muy superior a cualquiera de los modelos de regresión multivariante obtenidos.

Inglés. The physical properties (specific gravity, moisture content, thickness swelling and water absorption) and mechanical properties (internal bond strength, bending strength and modulus of elasticity) were determined on 93 Spanish-manufactured standard particleboards of different thicknesses selected randomly at the end of the production process. The testing methods of the corresponding European standards (EN) were used, except in the case of the thickness swelling and absorption tests, for which the Spanish UNE standard was used. The thickness and the values obtained for the physical properties were entered into an artificial neural network in order to predict the mechanical properties of the board. The fit was compared with the usual multivariate regression models. The use of a neural network made it possible to obtain the values of bending strength, modulus of elasticity and internal bond strength of the boards utilizing the known data, not only of thickness, moisture content and specific gravity, but also of thickness swelling and water absorption. The neural network proposed is much better adapted to the observed values than any of the multivariate regression models obtained.