Сътрудничество в глобална мрежа за анализ на полимери, управляван от изкуствен интелект, с Proteus Now Quantify от NETZSCH, като се подчертава споделянето на данни и иновациите в областта на рециклирането.

Помогнете за подобряване на прогнозните модели за рециклируеми материали

Предоставяне на данни за обучение на Proteus® Сега определяйте количествено

Потоците за рециклиране са сложни по своята същност.

Те се състоят от голямо разнообразие от полимери, добавки и неизвестни замърсители, които често варират значително в различните партиди. Тази сложност представлява значително предизвикателство за индустрията за рециклиране на полимери, тъй като затруднява надеждната идентификация на материалите и откриването на замърсявания.

За да се справим с това предизвикателство, Proteus® Now Quantify се разработва система за подобряване на откриването на замърсявания и класификацията на материалите за рециклирани полимери. Разширяването и усъвършенстването на основната база данни за материали е от ключово значение за постигането на тази цел.

За да изградим надеждни модели за машинно обучение, са необходими висококачествени, стандартизирани NETZSCH DSC данни за обучение от реални промишлени съединения. По-специално търсим съединения, базирани на първични полимери, които реалистично представят типичните сценарии на замърсяване, открити в потоците за рециклиране. Това ни позволява да създадем контролирани, добре дефинирани набори от данни за надеждно обучение на модели.

Вашият принос ще спомогне за повишаване на точността, надеждността и промишлената приложимост на прогнозите, като по този начин ще подпомогне подобрената оценка на рециклируемите материали в полимерната промишленост. Сухите смеси и действителните рециклируеми материали не са подходящи.

Помогнете ни да направим Proteus® Now Quantify още по-мощен и се възползвайте директно от подобрените резултати от анализа. Като споделяте стандартизирани данни за обучение на NETZSCH DSC, вие помагате моделите с изкуствен интелект да станат по-точни, по-стабилни и по-подходящи за реални промишлени рециклирани материали. Колкото по-разнообразен е наборът от данни, толкова по-точен и ценен става моделът за всички.

Dr.-Ing. Natalie Rudolph
Dr.-Ing. Natalie Rudolph
Ръководител на отдел "Полимери
NETZSCH Термоанализатор DSC 300 Caliris с лого Proteus Now Quantify за съвременен анализ на полимерни рециклирани материали.
NETZSCH Инструмент за анализ DSC 300 Caliris® в комбинация с Proteus® Now Quantify

Защо стандартизацията е от значение

Моделите за машинно обучение са толкова добри, колкото са добри данните, на които са обучени. За Количествена оценка да предоставя надеждни прогнози, трябва да са изпълнени следните условия:

  • Условията на измерване трябва да са идентични
  • Термичните истории трябва да са сравними
  • Формите на кривите трябва да отразяват истинското поведение на съединението

Дори small отклоненията в параметрите на DSC оказват влияние върху формата на пика, енталпията и поведението при кристализация, което пряко влияе върху работата на модела.

Затова за обучение могат да се използват само измервания, проведени съгласно определения стандарт Quantify .

Количествено определяне на Контролен списък за измерване (задължителен за данните от обучението)

Параметри на метода

  • Тегло на пробата: 10 ± 1 mg
  • Скорост на нагряване: 10 K/min
  • Скорост на охлаждане: 10 K/min
  • Атмосфера: Азот (газови потоци по подразбиране)
  • Тигел: Al Concavus® с пробит капак
  • Чувствителност и валидност на TempCal
  • BeFlat® активиран


⚠️ Тези параметри са фиксирани за Proteus® Now Quantify. Отклоненията могат да променят формите на пиковете и да намалят надеждността на прогнозите.

Подробен документ с насоки за измерване е достъпен тук:

Какво е това за вас?

Предоставете данните си и извлечете ползи, като същевременно спомагате за напредъка на анализа на полимери с помощта на изкуствен интелект:

  • Видимост на нашия уебсайт като партньор за сътрудничество
  • Изключителен достъп до нови Proteus® Now Quantify модели и функции
  • По-добри резултати за вашите собствени материали
  • Възможности за сътрудничество (публикации, конференции)

Институти, определящи бъдещето на анализа на полимери, базиран на изкуствен интелект

Следните институти и лаборатории вече са предоставили стандартизирани набори от данни за DSC, за да подпомогнат непрекъснатото усъвършенстване на Proteus® Now Quantify. Като споделят реални промишлени данни, те спомагат за засилване на откриването на замърсявания, класификацията на материалите и надеждното прогнозиране на потоците за рециклиране на полимери.

Искрено благодарим на всички партньори за тяхното сътрудничество и за напредъка в областта на анализа на материали, базиран на данни, заедно с NETZSCH.

Institut für Polymer- und Produktionstechnologien gGmbH, Висмар, Германия
Полимерен инженерен център Колеж по инженерство, Университет на Уисконсин-Медисън, Уисконсин, САЩ
Кръгово химическо инженерство (Факултет по природни науки и инженерство), Университет Маастрихт, Нидерландия
Mathematisch-Naturwissenschaftliches Zentrum, Hochschule für Technik, Wirtschaft und Kultur Leipzig, Германия

Често задавани въпроси (ЧЗВ)

Сухите смеси не трябва да се подават, тъй като те генерират различни характеристики на DSC кривата в сравнение с правилно смесените материали.

Формите на пиковете, поведението при кристализация и фазовите взаимодействия се различават значително. Следователно включването на сухи смеси би намалило точността на модела и би изкривило резултатите от обучението.

Proteus® Now Quantifyсе обучава специално за анализ на реалистични промишлени материални системи, които обикновено са комбинирани, а не смесени в сухо състояние.

За учебни данни от DSC трябва да се подават само реални комбинирани материали. Подходящите образци включват комбинирани, смесени в стопилка и хомогенизирани материали, които представляват реалистични промишлени материални системи.

Специално търсим комбинирани материали, базирани на първични полимери, които реалистично представят типични сценарии на замърсяване, открити в потоците за рециклиране.

Тези материали позволяват на модела Quantify да се учи от реалните условия на обработка и взаимодействия между материалите.

Приемани видове проби:

  • Комбинирани материали
  • Смесени от разтопяване проби
  • Хомогенизирани полимерни смеси

За да разширим и укрепим Quantify, в момента даваме приоритет на стандартизирани набори от данни за DSC от специфични полимерни системи, които често се срещат в потоците от материали за рециклиране и промишлени материали.

По-специално търсим комбинирани материали, базирани на първични полимери, които реално представят типични сценарии на замърсяване, открити в потоците за рециклиране.

Полиолефинови системи

  • PP, HDPE, LDPE и LLDPE с типично кръстосано замърсяване
  • Полиолефини, комбинирани с PET, PA6, EVOH, EVA или PUR


Системи на базата на PET

  • PET в комбинация с полиолефини
  • PET в комбинация с бариерни материали за опаковки


Инженерни смеси и смеси за ОЕЕО

  • ABS, HIPS, PC и PMMA в различни пропорции
  • PP в комбинация с ABS
  • HDPE в комбинация с EVOH


Системи, свързани с автомобилостроенето

  • Смеси PP-EPDM
  • PA6 или PA66 в комбинация с PP
  • Смеси от PA6, PA66 и PBT
  • Инженерни термопластични материали с променливо съдържание на влакна

Реалните смесени материали отразяват сложните взаимодействия и променливостта, които се срещат в потоците от промишлено рециклиране.

Обучението на модела Quantify с тези реалистични набори от данни подобрява:

  • откриването на замърсявания
  • класификацията на базата на кристализация
  • надеждно прогнозиране в различни потоци от рециклирани материали

Колкото по-представителен и разнообразен е наборът от данни, толкова по-надеждна става работата на модела.

Не изискваме анонимизиране на вашата компания. (освен ако не е по ваше желание)

Изискваме от вас само да обобщите видовете материали.

Пример: Вместо "Ultramid A3K / B3K" → "PA66 / PA6"


Какви данни трябва да предоставите?

Моля, представете:

  • Класове полимери (напр. PP, PE, PET)
  • Състав в тегловни проценти
  • Вид и съдържание на пълнителя

Какъв е валидният формат на данните?

Пример:

Идентификатор на пробата / име на файлаPP-C [wt%]PP-H [wt%]LDPE [wt%]LLDPE [wt%]HDPE [wt%]PET [wt%]Вид на пълнителяпълнител [wt%]
Образец 1232080
Образец 45652055605
Образец 78980талк20

Изтеглете шаблона тук:

Моля, изпратете ни данните си, както и екселския файл за състава на материала. Намерете пример тук:

Идентификатор на образеца / име на файлаPP-C [wt%]PP-H [wt%]LDPE [wt%]LLDPE [wt%]HDPE [wt%]PET [wt%]Вид на пълнителяпълнител [wt%]
Образец 1232080
Образец 45652055605
Образец 78980талк20

Изтеглете шаблона:

Вашият принос

Текстурирана глинена тухла на драматичен фон, подчертаваща уникалния дизайн за строителни приложения.


С подаването на стандартизирани данни за обучение в DSC вие помагате:

  • подобряване на алгоритмите за откриване на замърсяване
  • укрепване на класификацията на базата на кристализация
  • да увеличите надеждното прогнозиране в потоците от рециклирани материали
  • направите Quantify по-приложим към реални промишлени материали

Колкото по-представителен и разнообразен е наборът от данни, толкова по-добра е ефективността на модела.

Как да участвате

Подредени керамични дилатометрични проби с различни форми, демонстриращи прецизни измервателни инструменти за изследвания в областта на термичния анализ.

  1. Следвайте точно контролния списък за количествено измерване (вж. ръководния документ по-горе)
  2. Уверете се, че материалът е истинско съединение (без сухи смеси)
  3. Анонимизирайте данните за типа на полимера, ако желаете: трябват ни само класовете материали, количеството на пълнителя и количествата на състава за всеки клас (вж. често задавани въпроси)
  4. Изпратете ни имейл, за да обсъдим вашия принос или да споделите данни
  5. Нашите експерти по Quantify ще се свържат с вас:

Направете Proteus® Now Quantify още по-мощен

Споделете данните си от DSC и помогнете за формирането на следващото поколение идентификация на полимери.

Споделяне на вашите данни за DSC
AI Overview
An error occurred. Please try again.