Вестник КазНУ. Серия химическая. 2020; 99: 12-25
Моделирование оптимального состава резиновой смеси с использованием промышленных отходов
https://doi.org/10.15328/cb1176Аннотация
Из-за сложного состава резиновой смеси оптимизация рецептуры ее приготовления является сложным процессом. Эксперименты, необходимые для определения оптимального состава, представляют собой многоступенчатый процесс, требующий временных и материальных затрат. Целью данной статьи является использование метода математического моделирования для определения оптимального состава резиновой смеси с добавлением промышленных отходов. В качестве промышленных отходов использованы сера Тенгизского месторождения и шлаки металлургического производства. Уравнение Протодьяконова применялось для вывода обобщенного уравнения и проверки его адекватности. Выеденные уравнения были использованы для приготовления резиновой смеси. Проведен процесс вулканизации смеси с добавкой отходов и без нее. Изучена кинетика вулканизации оптимизированной смеси. Оптимизированный композит обеспечивает более высокий уровень минимального и максимального крутящего момента, сокращение времени инициирования и оптимальное время вулканизации по сравнению со смесью без добавки. Испытания на растяжение показали, что состав резиновой смеси, подобранный методом математического моделирования, не уступает стандартной рецептуре. Расчетная модель для определения оптимального состава резиновой смеси может быть использована для исследовательских и прикладных целей в различных отраслях промышленности, связанных с резиной.
Список литературы
1. Rolere S, Liengprayoon S, Vaysse L et al (2015) Polym Test 43:83-93. https://doi.org/10.1016/j.polymertesting.2015.02.011
2. Choi S-S, Kwon H-M, Kim Y et al (2017) Polym Test 59:414-422. https://doi.org/10.1016/j.polymertesting.2017.03.003
3. Zhuang G-L, Wey M-Y, Tseng H-H (2016) J Membr Sci 520:314-325. https://doi.org/10.1016/j.memsci.2016.07.044
4. Zhao X, Niu K, Xu Y et al (2016) Compos Part B-Eng 107:106-112. https://doi.org/10.1016/j.compositesb.2016.09.073
5. Vélez JS, Velásquez S, Giraldo D (2016) Polym Test 56:1-9. https://doi.org/10.1016/j.polymertesting.2016.09.005
6. Lopes D, Ferreira MJ, Russo R et al (2015) J Clean Prod 92:230-236. https://doi.org/10.1016/j.jclepro.2014.12.063
7. Sisanth KS, Thomas MG, Abraham J et al (2017) Progress in Rubber Nanocomposites. Woodhead Publishing, Cambridge, UK. P.1-39. ISBN: 978-0-08-100409-8
8. George SC, Rajan R, Aprem AS et al (2016) Polym Test 51:165-173. https://doi.org/10.1016/j.polymertesting.2016.03.010
9. Sushkevich VL, Ordomsky VV, Ivanova II (2012) Appl Catal A-Gen 441-442:21-29. https://doi.org/10.1016/j.apcata.2012.06.034
10. Rabiei S, Shojaei A (2016) Eur Polym J 81:98-113. https://doi.org/10.1016/j.eurpolymj.2016.05.021
11. Polacco G, Filippi S (2014) Construction and Building Materials 58:94-100. https://doi.org/10.1016/j.conbuildmat.2014.02.018
12. Griebel JJ, Glass RS, Char K et al (2016) Progress in Polymer Science 58:90-125.https://doi.org/10.1016/j.progpolymsci.2016.04.003
13. Alves LC, Rubinger MMM, Tavares EC et al (2013) Journal of Molecular Structure 1048:244-251. https://doi.org/10.1016/j.molstruc.2013.05.062
14. Aprem AS, Joseph K, Mathew T et al (2003) Eur Polym J 39(7):1451-1460. https://doi.org/10.1016/S0014-3057(02)00382-8
15. Silva LMA, Andrade FD, Filho EGA et al (2016) Fuel 186:50-57. https://doi.org/10.1016/j.fuel.2016.08.060
16. Schwartz GA, Cerveny S, Marzocca ÁJ et al (2003) Polymer 44(23):7229-7240. https://doi.org/10.1016/j.polymer.2003.09.007
17. Malas A, Das CK (2017) J Alloys Compd 699:38-46. https://doi.org/10.1016/j.jallcom.2016.12.232
18. Song J, Ma L, He Y et al (2015) Chin J Chem Eng 23(5):853-859. https://doi.org/10.1016/j.cjche.2014.05.022
19. Song K (2017) Progress in Rubber Nanocomposites. Woodhead Publishing, Cambridge, UK. P.41-80. ISBN: 978-0-08-100409-8
20. Tchalla ST, Le Gac PY, Maurin R et al (2017) Polym Degrad Stabil 139:28-37.https://doi.org/10.1016/j.polymdegradstab.2017.03.011
21. Wang J, Ji C, Yan Y et al (2015) Polym Degrad Stabil 121:149-156. https://doi.org/10.1016/j.polymdegradstab.2015.09.003
22. Bahl K, Miyoshi T, Jana SC (2014) Polymer 55(16):3825-3835. https://doi.org/10.1016/j.polymer.2014.06.061
23. Zhong B, Jia Z, Luo Y et al (2017) Polym Test 58:31-39. https://doi.org/10.1016/j.polymertesting.2016.12.010
24. Ondrušová D, Slavomíra D, Pajtášová M et al (2017) Procedia Eng 177:462-469. https://doi.org/10.1016/j.proeng.2017.02.246
25. Uddin MS, Ju J (2016) Polymer 101:34-47. https://doi.org/10.1016/j.polymer.2016.08.037
26. Alimardani M, Razzaghi-Kashani M, Ghoreishy MHR (2017) Mater Des 115:348-354. https://doi.org/10.1016/j.matdes.2016.11.061
27. Nguyen QT, Tinard V, Fond C (2015) Int J Solids Struct 75-76:235-246. https://doi.org/10.1016/j.ijsolstr.2015.08.017
28. Ovalle Rodas C, Zaïri F, Naït-Abdelaziz M et al (2015) Int J Solids Struct 58:309-321. https://doi.org/10.1016/j.ijsolstr.2014.11.001
29. Marckmann G, Chagnon G, Le Saux M et al (2016) Int J Solids Struct 97-98:554-565. https://doi.org/10.1016/j.ijsolstr.2016.06.028
30. Shangguan W-B, Wang X-L, Deng J-X et al (2014) Mater Des 58:65-73. https://doi.org/10.1016/j.matdes.2014.01.035
Chemical Bulletin of Kazakh National University. 2020; 99: 12-25
Modeling the optimal rubber composition using industrial waste
https://doi.org/10.15328/cb1176Abstract
Due to the complex composition of the rubber compound, the optimization of the formulation for its preparation is a complex process. The experiments required to determine the optimal composition are a multi-step process that requires time and money. The purpose of this article is to use the method of mathematical modeling to determine the optimal composition of a rubber compound with the addition of industrial waste. Sulfur of the Tengiz deposit and metallurgical production slags were used as industrial waste. The Protodyakonov equation was used to derive the generalized equation and check its adequacy. The escaped equations were used to prepare the rubber compound. The process of vulcanization of the mixture with and without the addition of waste was carried out. The kinetics of vulcanization of the optimized mixture has been studied. The optimized composite provides higher minimum and maximum torque levels, shorter initiation times and optimal cure times compared to a blend without additive. Tensile tests have shown that the composition of the rubber compound, selected by the method of mathematical modeling, is not inferior to the standard formulation. The computational model for determining the optimal composition of the rubber compound can be used for research and applied purposes in various industries related to rubber.
References
1. Rolere S, Liengprayoon S, Vaysse L et al (2015) Polym Test 43:83-93. https://doi.org/10.1016/j.polymertesting.2015.02.011
2. Choi S-S, Kwon H-M, Kim Y et al (2017) Polym Test 59:414-422. https://doi.org/10.1016/j.polymertesting.2017.03.003
3. Zhuang G-L, Wey M-Y, Tseng H-H (2016) J Membr Sci 520:314-325. https://doi.org/10.1016/j.memsci.2016.07.044
4. Zhao X, Niu K, Xu Y et al (2016) Compos Part B-Eng 107:106-112. https://doi.org/10.1016/j.compositesb.2016.09.073
5. Vélez JS, Velásquez S, Giraldo D (2016) Polym Test 56:1-9. https://doi.org/10.1016/j.polymertesting.2016.09.005
6. Lopes D, Ferreira MJ, Russo R et al (2015) J Clean Prod 92:230-236. https://doi.org/10.1016/j.jclepro.2014.12.063
7. Sisanth KS, Thomas MG, Abraham J et al (2017) Progress in Rubber Nanocomposites. Woodhead Publishing, Cambridge, UK. P.1-39. ISBN: 978-0-08-100409-8
8. George SC, Rajan R, Aprem AS et al (2016) Polym Test 51:165-173. https://doi.org/10.1016/j.polymertesting.2016.03.010
9. Sushkevich VL, Ordomsky VV, Ivanova II (2012) Appl Catal A-Gen 441-442:21-29. https://doi.org/10.1016/j.apcata.2012.06.034
10. Rabiei S, Shojaei A (2016) Eur Polym J 81:98-113. https://doi.org/10.1016/j.eurpolymj.2016.05.021
11. Polacco G, Filippi S (2014) Construction and Building Materials 58:94-100. https://doi.org/10.1016/j.conbuildmat.2014.02.018
12. Griebel JJ, Glass RS, Char K et al (2016) Progress in Polymer Science 58:90-125.https://doi.org/10.1016/j.progpolymsci.2016.04.003
13. Alves LC, Rubinger MMM, Tavares EC et al (2013) Journal of Molecular Structure 1048:244-251. https://doi.org/10.1016/j.molstruc.2013.05.062
14. Aprem AS, Joseph K, Mathew T et al (2003) Eur Polym J 39(7):1451-1460. https://doi.org/10.1016/S0014-3057(02)00382-8
15. Silva LMA, Andrade FD, Filho EGA et al (2016) Fuel 186:50-57. https://doi.org/10.1016/j.fuel.2016.08.060
16. Schwartz GA, Cerveny S, Marzocca ÁJ et al (2003) Polymer 44(23):7229-7240. https://doi.org/10.1016/j.polymer.2003.09.007
17. Malas A, Das CK (2017) J Alloys Compd 699:38-46. https://doi.org/10.1016/j.jallcom.2016.12.232
18. Song J, Ma L, He Y et al (2015) Chin J Chem Eng 23(5):853-859. https://doi.org/10.1016/j.cjche.2014.05.022
19. Song K (2017) Progress in Rubber Nanocomposites. Woodhead Publishing, Cambridge, UK. P.41-80. ISBN: 978-0-08-100409-8
20. Tchalla ST, Le Gac PY, Maurin R et al (2017) Polym Degrad Stabil 139:28-37.https://doi.org/10.1016/j.polymdegradstab.2017.03.011
21. Wang J, Ji C, Yan Y et al (2015) Polym Degrad Stabil 121:149-156. https://doi.org/10.1016/j.polymdegradstab.2015.09.003
22. Bahl K, Miyoshi T, Jana SC (2014) Polymer 55(16):3825-3835. https://doi.org/10.1016/j.polymer.2014.06.061
23. Zhong B, Jia Z, Luo Y et al (2017) Polym Test 58:31-39. https://doi.org/10.1016/j.polymertesting.2016.12.010
24. Ondrušová D, Slavomíra D, Pajtášová M et al (2017) Procedia Eng 177:462-469. https://doi.org/10.1016/j.proeng.2017.02.246
25. Uddin MS, Ju J (2016) Polymer 101:34-47. https://doi.org/10.1016/j.polymer.2016.08.037
26. Alimardani M, Razzaghi-Kashani M, Ghoreishy MHR (2017) Mater Des 115:348-354. https://doi.org/10.1016/j.matdes.2016.11.061
27. Nguyen QT, Tinard V, Fond C (2015) Int J Solids Struct 75-76:235-246. https://doi.org/10.1016/j.ijsolstr.2015.08.017
28. Ovalle Rodas C, Zaïri F, Naït-Abdelaziz M et al (2015) Int J Solids Struct 58:309-321. https://doi.org/10.1016/j.ijsolstr.2014.11.001
29. Marckmann G, Chagnon G, Le Saux M et al (2016) Int J Solids Struct 97-98:554-565. https://doi.org/10.1016/j.ijsolstr.2016.06.028
30. Shangguan W-B, Wang X-L, Deng J-X et al (2014) Mater Des 58:65-73. https://doi.org/10.1016/j.matdes.2014.01.035
