Modelo de superficies de respuesta para la limpieza de pintura al óleo. Influencia del barniz, del envejecimiento, de la naturaleza de los pigmentos y de la composición del limpiador

Resumen

Esta tesis doctoral se inscribe en el marco de la restauración de obras de arte y más concretamente en la limpieza de barnices en pintura al óleo sobre lienzo. La limpieza de barnices es una de las intervenciones más delicadas a las que se enfrenta el restaurador de obras de arte y, por ello, es uno de los tratamientos que requieren más estudio. Se trata de una operación delicada, arriesgada y sobre todo irreversible, teniendo en cuenta que todo el material original que pueda eliminarse de las distintas capas de policromía, no puede ser restituido posteriormente. Por otra parte hay que tener en cuenta que en muchos casos la elevada toxicidad de los productos usados tradicionalmente para limpiar pueden poner en riesgo la salud del restaurador. Analizando las investigaciones realizadas en los últimos años en el campo de la limpieza de pintura al óleo, se observa un gran desarrollo tecnológico con la aparición de nuevas y mejores técnicas analíticas para identificar los componentes de las distintas capas de policromía y comprobar la acción de los productos utilizados para la limpieza de barnices y de suciedad. Estos estudios han permitido perfeccionar técnicas y métodos analíticos para evaluar la eficacia de la limpieza, pero se echa en falta combinar estas técnicas en un espacio común que las integre bajo un modelo matemático único. El objetivo de esta tesis doctoral consiste en representar el fenómeno complejo de la limpieza bajo un modelo de superficies de respuesta que permita ser simulado in silico para poner de manifiesto las relaciones sinérgicas y antagónicas de los principales factores que intervienen en ella: tipo de barniz, grado de envejecimiento, tipo de pigmento del óleo y la composición del limpiador. Para lograrlo se unificarán distintas respuestas (metodologías) que evalúan la eficacia de la limpieza. A su vez la simulación permitirá desarrollar productos limpiadores óptimos para tratamientos de limpieza específicos. La propuesta metodológica de la tesis ha consistido en realizar primero ensayos experimentales en el laboratorio y, con la información recogida de ellos, se ha desarrollado el modelo de superficies de respuesta. En segundo lugar con el modelo se han realizado simulaciones con ordenador (in silico). Para la parte experimental en el laboratorio se ha trabajado sobre muestras patrón que han simulado pintura al óleo sobre lienzo. Dicha pintura ha sido elaborada con pigmentos blanco de zinc y de plomo, amarillo cadmio, rojo cadmio y azul cobalto aglutinados con aceite de linaza. Unas muestras se recubrieron con un barniz terpénico a base de resina de almáciga y otras con un barniz sintético a base de resina acrílica. Para simular el deterioro de pintura antigua con el paso del tiempo, una parte de las muestras fue envejecida con radiación ultravioleta, mientras que otra parte se mantuvo sin envejecer para simular pintura contemporánea. Los limpiadores están compuestos por cantidades variables de dos disolvente principales, agua y limoneno; dos tensioactivos, un alcohol graso etoxilado (Findet® 1214/N23) y un alquilpoliglucósido (Glucopón® 600); y un codisolvente (alcohol feniletílico). Se han aplicado sobre las muestras patrón según un diseño estadístico de experimentos generado por el software MODDE® 6.0 de la firma Umetrics. Para la evaluación de la limpieza se han empleado 6 respuestas: juicio del experto usando luz visible, juicio del experto usando luz ultravioleta, limpieza O/V mediante cromatografía de gases unida a espectrometría de masas, así como la afectación del color, de la luminosidad y del brillo. Con la simulación in silico, una vez establecido el modelo matemático de superficies de respuesta, se han podido simular multitud de escenarios de limpieza y analizarlos. Las simulaciones han sido de tres tipos: uno general de todos los escenarios posibles, otro fijando mezclas de referencia, y por último otro de optimización. La simulación general ha permitido trazar diagramas triangulares con los valores de cada respuesta para todas las combinaciones posibles de escenarios. Se aprecia una elevada complejidad en el fenómeno de la limpieza donde todos los factores que intervienen se entrecruzan en efectos sinérgicos y antagónicos. La simulación con las mezclas de referencia han puesto de manifiesto la influencia que tienen sobre la limpieza el tipo de barniz, el grado de envejecimiento y el tipo de pigmento de la pintura. La optimización ha conducido mediante análisis MDS al desarrollo de un conjunto de 12 limpiadores específicos para distintas aplicaciones. Tras los resultados obtenidos y el análisis que de ellos se ha realizado se han alcanzado las siguientes conclusiones: 1) Se han modelado los procesos de limpieza de pintura al óleo mediante un modelo de superficies de respuesta. 2) Gracias al modelo se ha podido simular in silico multitud de escenarios de limpieza y determinar cuáles son los principales factores que influyen en la limpieza evaluada a través de las respuestas: limpieza O/V, juicio del experto usando luz visible, juicio del experto usando luz ultravioleta, afectación del color, dELab, afectación porcentual de la luminosidad, L, y afectación porcentual del brillo, G. 3) Los principales factores en la limpieza han sido las concentraciones de agua y limoneno, como disolventes principales y que regulan el grado de hidrofilia y de lipofilia de los limpiadores, seguidos del tipo de barniz, el envejecimiento y los tipos de pigmentos. El resto de los componentes de los limpiadores son menos relevantes y en orden decreciente de relevancia son Findet® 1214/N23, alcohol feniletílico y Glucopon® 600 4) Se han revelado como muy importantes en la limpieza los efectos cruzados sinérgicos y antagónicos entre los componentes de los limpiadores, los pigmentos, el barniz y el grado de envejecimiento. 5) Es posible mediante simulación in silico formular composiciones específicas para distintos escenarios y aplicaciones de limpieza. Se ha desarrollado incluso un catálogo de 12 limpiadores óptimos, caracterizados por su baja toxicidad, para aplicaciones específicas. 6) Se propone para futuras investigaciones desarrollar modelos vectoriales en 3 dimensiones que recojan por un lado los aspectos materiales y fisicoquímicos de la limpieza, por otro lado lo relacionado con el experto restaurador, y finalmente la dimensión visual evaluable con metodologías ópticas.