المساعدة في تحسين النماذج التنبؤية لإعادة التدوير
المساهمة ببيانات التدريب على Proteus® تحديد الكمية الآن
تيارات إعادة التدوير معقدة بطبيعتها.
وهي تتكون من مجموعة واسعة من البوليمرات والمواد المضافة والملوثات غير المعروفة التي غالبًا ما تختلف بشكل كبير من دفعة إلى أخرى. ويشكل هذا التعقيد تحديًا كبيرًا لصناعة إعادة تدوير البوليمرات، مما يجعل من الصعب تحديد المواد الموثوق بها واكتشاف التلوث.
ولمواجهة هذا التحدي, Proteus® Now Quantify يجري العمل على تطوير نظام جديد لتحسين الكشف عن التلوث وتصنيف المواد للبوليمرات المعاد تدويرها. ويُعد توسيع قاعدة بيانات المواد الأساسية وتنقيحها أمرًا أساسيًا لتحقيق هذا الهدف.
ولبناء نماذج موثوقة للتعلم الآلي، نحتاج إلى بيانات تدريب عالية الجودة وموحدة NETZSCH DSC من مركبات صناعية حقيقية. نحن نبحث تحديدًا عن مواد مركبة تعتمد على البوليمرات البكر التي تمثل بشكل واقعي سيناريوهات التلوث النموذجية الموجودة في تيارات إعادة التدوير. وهذا يمكّننا من إنشاء مجموعات بيانات مضبوطة ومحددة جيدًا لتدريب قوي على النموذج.
ستساعد مساهمتك في زيادة دقة التنبؤات وقوتها وقابليتها للتطبيق الصناعي، وبالتالي دعم تحسين تقييم المواد المعاد تدويرها في صناعة البوليمر. الخلطات الجافة والمواد الفعلية المعاد تدويرها ليست مناسبة.
“ساعدنا في جعل Proteus® Now Quantify أكثر قوة واستفد مباشرةً من نتائج التحليل المحسنة. من خلال مشاركة بيانات التدريب الموحدة NETZSCH DSC، فإنك تساعد في جعل نماذج الذكاء الاصطناعي أكثر دقة وقوة وملاءمة بشكل أفضل لنماذج إعادة التدوير الصناعية الحقيقية. كلما كانت مجموعة البيانات أكثر تنوعًا، أصبح النموذج أكثر دقة وقيمة للجميع.”
أهمية التوحيد القياسي
لا تكون نماذج التعلم الآلي جيدة إلا بقدر جودة البيانات التي يتم تدريبها عليها. بالنسبة ل Quantify لتقديم تنبؤات موثوقة، يجب استيفاء الشروط التالية:
- يجب أن تكون ظروف القياس متطابقة
- يجب أن تكون التواريخ الحرارية قابلة للمقارنة
- يجب أن تعكس أشكال المنحنيات السلوك الحقيقي للمركب
حتى small الانحرافات في معلمات DSC تؤثر على شكل الذروة، والإنثالبي، وسلوك التبلور، مما يؤثر بشكل مباشر على أداء النموذج.
لذلك، لا يمكن استخدام القياسات التي يتم إجراؤها بموجب معيار Quantify المحدد إلا للتدريب.
القياس الكمي قائمة تدقيق القياس (إلزامية لبيانات التدريب)
معلمات الطريقة
- وزن العينة: 10 ± 1 مجم
- معدل التسخين: 10 كلفن/دقيقة
- معدل التبريد: 10 كلفن/دقيقة
- الغلاف الجوي: النيتروجين (تدفق الغاز الافتراضي)
- البوتقة: آل Concavus® بغطاء مثقوب
- الحساسية و TempCal صالحة
- BeFlat® مفعلة
⚠️ هذه المعلمات ثابتة لـ Proteus® Now Quantify. يمكن أن تؤدي الانحرافات إلى تغيير أشكال الذروة وتقليل موثوقية التنبؤ.
تتوفر وثيقة إرشادات القياس التفصيلية هنا:
ما الفائدة لك؟
ساهم ببياناتك واحصل على المزايا مع المساعدة في تطوير تحليل البوليمر القائم على الذكاء الاصطناعي:
- الظهور على موقعنا الإلكتروني كشريك متعاون
- وصول حصري إلى Proteus® Now Quantify النماذج والميزات
- نتائج أفضل لموادك الخاصة
- فرص تعاون (منشورات ومؤتمرات)
المعاهد التي تقود مستقبل تحليل البوليمر القائم على الذكاء الاصطناعي
وقد ساهمت المعاهد والمختبرات التالية بالفعل بمجموعات بيانات DSC الموحدة لدعم التحسين المستمر لـ Proteus® Now Quantify. من خلال مشاركة البيانات الصناعية الحقيقية، فإنها تساعد في تعزيز الكشف عن التلوث وتصنيف المواد والتنبؤ الموثوق به لتيارات إعادة تدوير البوليمر.
نتقدم بخالص الشكر لجميع الشركاء على تعاونهم وعلى تطوير تحليل المواد المستند إلى البيانات مع NETZSCH.
الأسئلة الشائعة (FAQ)
مساهمتك
من خلال تقديم بيانات تدريب DSC الموحدة، فإنك تساعد في:
- تحسين خوارزميات الكشف عن التلوث
- تعزيز التصنيف القائم على التبلور
- زيادة التنبؤ الموثوق عبر تيارات المواد المعاد تدويرها
- جعل تطبيق Quantify أكثر قابلية للتطبيق على المواد الصناعية الحقيقية
كلما كانت مجموعة البيانات أكثر تمثيلاً وتنوعًا، كان أداء النموذج أفضل.
كيفية المشاركة
- اتبع قائمة التحقق من القياس الكمي (انظر المستند الإرشادي أعلاه) بدقة
- تأكد من أن المادة هي مركب حقيقي (لا خلطات جافة)
- إخفاء هوية بيانات نوع البوليمر إذا كنت ترغب في ذلك: نحتاج فقط إلى فئات المواد وكمية الحشو وكميات التركيب لكل فئة (انظر الأسئلة الشائعة)
- راسلنا عبر البريد الإلكتروني لمناقشة مساهمتك أو مشاركة البيانات
- سيتواصل معك خبراء Quantify لدينا:
