بهینه سازی سنتز پلیمرهای حافظه شکلی در علم پزشکی با رویکرد تحلیل پوششی داده ها

درسالهای اخیر، بررسی نوع عملکرد مواد هوشمند مورد توجه دانشمندان زیادی قرار گرفته است. مواد هوشمند، موادیهستند که محرکهای محیطی را حس کرده و سپس با توجه به هدف از پیش تعیین شده عملکرد خود را تغییر می دهند. یکی ازهستند که در دهه گذشته پیشرفت چشمگیری داشتند. مواد (SMPs) مهمترین شاخه های مواد هوشمند، پلیمرهای حافظه شکلیحافظه شکلی، قابلیت به خاطر سپردن یک شکل دایمی را دارا بوده و توانایی تغییر شکل به یک یا چند شکل موقت را دارند، و درصورتی که در معرض محرک خارجی قرار گیرند، به صورت خودبه خود از حالت موقت به شکل اصلی و دایمی خود بهبود می یابند. تاکنون تمام بررسی های انجام شده در زمینه سنتز با روابط بسیار پیچیده و آزمون و خطا بوده است؛ که منجر به هزینه های بالایمصرف مواد اولیه و اتلاف زمانی، می شود. در این مقاله سعی می شود که مدل های تحلیل پوششی داده ها جهت بهینه سازی سنتز این نوع پلیمرها پیشنهاد شوند. برای این منظور، ابتدا محاسبات انجام شده قبلی ارایه شده و سپس بهبود محاسبات با مدلهای تحلیلپوششی داده ها بیان می گردد. در نهایت با یک مثال عددی و واقعی، روشهای پیشنهادی با روشهای موجود قبل، مقایسه می شود.

کلیدواژه ها:

پلیمر ، حافظه شکلی ، بهینه سازی ، تحلیل پوششی داده ها