UNIVERZITET U NOVOM SADU

FAKULTET TEHNIČKIH NAUKA

Katarina GerićMiljana Prica

Rastko Milošević

GRAFIČKI MATERIJALI

PRAKTIKUM ZA VEŽBE

FTN Izdavaštvo, Novi Sad, 2014.

PREDGOVOR

„Grafički materijali – praktikum za vežbe“ je namenjen i potpuno usaglašen sa sadržajem nastavnog predmeta Grafički materijali koji se realizuje na Grafičkom inženjerstvu i dizajnu, Fakulteta tehničkih nauka u Novom Sadu.

Dobro poznavanje karakteristika grafičkih materijala jedna je od osnova pravilne i sigurne upotrebe ovih materijala u savremenim grafičkim tehnologijama. Kvalitetom grafičkih materijala mora da se upravlja, a kako bi se moglo upravljati ispitivanje osobina materijala je izuzetno važna.

U praktikumu su opisane metode ispitivanja grafičkih materijala kroz 12 vežbi u šest tematskih celina: metalni materijali; papir, karton i lepenka; boje; polimerni materijali; kombinovani materijali i lepila u skladu sa savremenim naučnim i stručnim dostignućima iz ove oblasti.

Vežbe su struktuirane tako da metodološki tok izvođenja uvodi studente u postupno saznavanje kroz: cilj vežbe, teorijski deo, metod i postupak ispitivanja i na kraju prikaz rezultata ispitivanja. Na kraju svake tematske celine ili vežbe data su kontrolna pitanja na koje bi trebalo znati odgovor jer su koncipirana tako da obuhvate potrebna znanja za eksperimentalni, praktični rad ali i za ponavljanje gradiva.

5

SADRŽAJVežba 1. Greške merenja i obrada rezultata merenja 9

METALNI MATERIJALI 16

Vežba 2.

2.1. Određivanje mase prevlake kalaja gravimetrijskom metodom 162.2. Određivanje poroznosti prevlake kalaja na belom limu 192.3. Određivanje adhezivnosti laka na belom limu 212.4. Određivanje mase prevlake laka na belom limu gravimetrijskom metodom 232.5. Određivanje poroznosti prevlake laka na belom limu 26

Vežba 3.

3.1. Određivanje debljine laka na aluminijumu 283.2. Određivanje poroznosti laka na aluminijumu 313.3. Određivanje poroznosti laka na metalnoj površini bez razaranja 333.4. Ispitivanje metalnog ambalažnog materijala metodom šok testa 35

PAPIR, KARTON I LEPENKA 38

Vežba 4.

4.1. Standardi u ispitivanju papira 384.2. Uzorkovanje papira, kartona i lepenke 424.3. Određivanje debljine 464.4. Određivanje gramature 52

Vežba 5.

5.1. Određivanje zapreminske mase i specifične zapremine 575.2. Određivanje uzdužnog i poprečnog smera vlakana 605.3. Gornja i sitova strana – dvostranost 645.4. Određivanje vlažnosti 685.5. Sadržaj punila 72

Vežba 6.

6.1. Određivanje kapilarne upojnosti 766.2. Određivanje površinske upojnosti 806.3. Određivanje otpornosti papira na dejstvo ulja i masti 846.4. Određivanje stepena keljenosti 866.5. Određivanje pH vrednosti površine papira 896.6. Određivanje površinske hrapavosti 93

6

Vežba 7.

7.1. Određivanje nečistoća 987.2. Određivanje prašenja 997.3. Zadaci 1027.4. Određivanje zatezne čvrstoće, izduženja i prekidne dužine kidanja 1107.5. Određivanje optičkih svojstava papira 115

BOJE 119

Vežba 8.

8.1. Pozicioniranje boje u dijagramu hromatičnosti 1198.2. Merenje viskoznosti 1248.3. Određivanje površinskog napona rastvora grafičkih boja 1308.4. Određivanje tečljivosti, dužine i lepljivosti grafičke boje 134

Vežba 9.

9.1. Ispitivanje postojanosti otiska na dejstvo hemikalija 1369.2. Ispitivanje postojanosti otiska na savijanje, boranje, grebanje, otiranje, lepl-jivu traku, toplotu i pasterizaciju 138

9.3. Dobijanje tečnog firnisa 1429.4. Dobijanje litografskog firnisa 143

Vežba 10.

10.1. Određivanje krupnih čestica u suvom pigmentu 14410.2. Određivanje sadržaja vlage u pigmentu 14610.3. Određivanje pH vrednosti vodene suspenzije pigmenta 14810.4. Primeri kalkulacija 151

POLIMERNI MATERIJALI 158

Vežba 11.

11.1. Određivanje neisparljivog sadržaja rastvora polimernog materijala 15811.2. Određivanje zatezne čvrstoće, izduženja i prekidne dužine polimernih ma-terijala 161

KOMBINOVANI MATERIJALI 16511.3. Razdvajanje i rastvaranje slojeva kod kombinovanih materijala 16511.4. Određivanje zatezne čvrstoće, izduženja i prekidne dužine kombinovanih materijala 167

7

LEPILA 170

Vežba 12.

12.1. Dobijanje skrobnog lepila 17012.2. Konzistencija lepila 17212.3. Određivanje brzine vezivanja (lepljenja) i jačine spoja 17412.4. Određivanje prodiranja lepila 17612.5 Određivanje postojanosti spoja pri različitim uslovima 178

LITERATURA 182

8

9

VEŽBA 1.1. GREŠKE MERENJA I OBRADA REZULTATA MERENJA

Cilj vežbe

Cilj vežbe je upoznavanje sa pojmovima vezanim za greške pri merenju (srednja vrednost merenja, prividna greška, srednja greška, standardna devijacija, intervali poverenja).

Teorijske osnove

Svaki eksperimentalni rad praćen je merenjem neke veličine. Vrednost merene veličine, dobijena merenjem, se naziva rezultat merenja. Prilikom merenja neke veličine nikad se ne može dobiti njena „prava“ vrednost. Svako merenje samo je aproksimacija prave ili apsolutne vrednosti merene veličine.

Greške merenja

Razlika između rezultata merenja i prosečne vrednosti kojom zamenjujemo pravu vrednost veličine naziva se greška merenja. Po prirodi ona može biti apsolutna i relativna.

Apsolutna greška je brojna vrednost i u isto vreme fizička veličina koja opisuje razliku između prave i izmerene vrednosti izražena u jedinicama u kojima je izražena merena vrednost. Relativna greška je brojna vrednost koja se iskazuje kao udeo (frakcija) apsolutne greške u veličini stvarne vrednosti ili srednje vrednosti više merenja.

Faktori koji utiču na merenje mogu da budu objektivne i subjektivne prirode. Iz tog razloga se, u principu, razlikuju sledeće vrste grešaka:

• objektivne (obično se nazivaju sistematske) i • subjektivne (obično se nazivaju slučajne)• grube greške

10

Sistematske greške su takve greške, koje pri ponovljenim merenjima ostaju konstantne ili se menjaju po određenom zakonu. One mogu biti uslovljene nedostacima metodike merenja ili netačnošću formula za računanje (metodičke greške), a takođe i nesavršenošću mernih uređaja (greške uređaja). Ove greške uvek imaju isti “smer” javljanja te se uvođenjem određene korekcije mogu u dobroj meri otkloniti. Pri tome, povećanje broja merenja neće smanjiti sistematsku grešku.

Slučajne greške su posledica mnogobrojnih različitih i promenljivih uzroka, koji se ne mogu kontrolisati i između kojih u opštem slučaju ne postoji nikakva korelacija. Slučajne greške prate sva merenja i ne mogu se otkloniti, kao što je to izvodljivo kod sistematskih grešaka. Međutim, zahvaljujući činjenici da za slučajne greške važe statistički zakoni raspodele, pri velikom broju merenja, uvek se mogu odrediti granice unutar kojih se nalazi prava vrednost merene veličine.

Grube greške su uslovljenje ili greškama ekesperimentatora pri nepravilnim očitavanjima, ili neispravnošćcu instrumenata.

Mnogostruko ponavljanje jednog istog merenja, pri tome, smanjuje uticaj slučajnih grešaka. U tom smislu se može reći da aritmetička sredina iz velikog broja rezultata merenja predstavlja najpribližniju vredost merene veličine. Slučajne greške se u tom slučaju ogledaju u većem ili manjem rasipanju (disperziji) rezultata dobijenih pri višestruko ponovljenom merenju jedne iste veličine. Povećavanjem broja merenja, povećava se i tačnost merenja. Veliki broj merenja, međutim, zahteva mnogo vremena i povećava troškove. Stoga je potrebno naći kompromisni broj merenja koji će dati rezultat sa nekom optimalnom tačnošću.

Zadatak statističke obrade rezultata je procena prave vrednosti merene veličine i procena merne nesigurnosti korigovanog rezultata merenja. Procena prave vrednosti merene veličine uključuje: 1) određivanje najverovatnije vrednosti merene veličine, za koju se pokazuje da je jednaka aritmetičkoj sredini rezultata merenja; i 2) korigovanje ove vrednosti za poznate sistematske greške merenja. Procena merne nesigurnosti uključuje određivanje njene slučajne komponente na osnovu ponovljenih merenja, i sistematske komponente kao posledice nepoznatih (neisključenih) sistematskih grešaka.

Ponavljajući merenja jedne iste veličine pod istim uslovima, koristeći pri tome isto merno sredstvo sa dovoljno velikom rezolucijom dobijamo razne vrednosti rezultata. Poći ćemo od pretpostavke da su sve sistematske greške eliminisane. U tom slučaju aritmetičku sredinu rezultata merenja smatramo pravom vrednošću.

11

Aritmetičku sredinu definišemo kao:

∑=

=n

iix

nx

0

1

gde je n broj merenja.

Umesto tačne apsolutne greške možemo definisati prividnu grešku (vi)

xxv ii −=

Ako se izvrši veliki broj merenja, značajnu informaciju o grešci merenja daje srednja greška pojedinog merenja:

∑=

−−

=n

ii xx

ns

1

2)(1

1

gde je n broj merenja.

Standardna devijacija (standardno odstupanje) je odstupanje koje se javlja u svih n merenja:

ns

=σ

Pošto je prava vrednost ustvari nepoznata, već je poznata samo srednja vrednost koja teži pravoj vrednosti, vrlo je značajno pitanje da li će se prava vrednost nalaziti u blizini srednje vrednosti i koliko je od nje udaljena. Jedini način da se odgovori na ovo pitanje jeste da se pozove u pomoć verovatnoća. Verovatnoća da će se stvarna vrednost naći u intervalu (x±σ) je ravna površini koja se nalazi ispod Gausove krive u tom intervalu i matematički se opisuje Gausovom jednačinom normalne raspodele (Slika 1.1.). Kriva je tako normalizovana da je ukupna površina ispod krive jednaka jedinici, a to znači da je ukupna verovatnoća da kriva obuhvata sva moguća odstupanja od prave ili srednje vrednosti pri bilo kom merenju jednaka.

12

Prava vrednost se nalazi u intervalu srednje vrednosti +/- standardne devijacije aritmetičke sredine. Interval određen prethodnom jednačinom se naziva interval poverenja. Ako greške ispunjavaju navedene Gausove uslove (slučajni proces) verovatnoća da se mereni rezultat nađe u intervalu poverenja je 68%.

Slika 1.1. Gausova kriva normalne raspodele

Verovatnoća da se prava vrednost merenja nalazi u određenom području vrednosti određuje se određivanjem područja pouzdanosti, odnosno intervala poverenja prema Gausovoj normalnoj raspodeli.

Tabela 1.1. Intervali poverenja

Područje vrednosti Verovatnoća da se prava vrednost merene veličine nalazi u području vrednosti (in-

tervali poverenja)

σ±x 68,3%

σ2±x 95,4%

σ3±x 99,7%

Dovoljno veliki broj merenja određene nepoznate veličine simetrično se raspodeljuje oko neke srednje vrednosti, dakle, greške sa pozitivnim i negativnim odstupanjima biće jednako zastupljene.

13

1. Izmerene su vrednosti gramature ispitivanog papira: x1 = 79 g/m2

x2 = 81 g/m2

x3 = 82 g/m2

x4 = 82 g/m2

x5 = 81 g/m2

Izračunati srednju vrednost merenja, prividnu grešku, srednju grešku, standardnu devijaciju i intervale poverenja za date vrednosti.

Tabela 1.2. Izračunavanje srednje vrednosti merenja, prividne greške, srednje greške, standardne devijacije i intervale poverenja

x1 x2 x3 x4 x5

xvi

sσ

Interval poverenja (68,3%)

Intervalpoverenja (95,4%)

Intervalpoverenja (99,7%)

14

15

Pitanja

1. Šta je greška merenja?2. Koji faktori utiču na tačnost rezultata?3. Navesti kakve sve greške postoje.4. Definisati sistematske greške.5. Šta su slučajne greške?6. Šta su grube greške?7. Šta se postiže povećavanjem broja merenja? 8. Šta je cilj statističke obrade rezultata?9. Kako se definišu aritmetička sredina i prividna greška?10. Kako se izražavaju srednja greška pojedinog merenja i standardna devijacija?11. Gde se nalazi prava vrednost merene veličine?12. Definisati intervale poverenja.