
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.


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.
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 файла | PP-C [wt%] | PP-H [wt%] | LDPE [wt%] | LLDPE [wt%] | HDPE [wt%] | PET [wt%] | Вид на пълнителя | пълнител [wt%] |
| Образец 123 | 20 | 80 | ||||||
| Образец 456 | 5 | 20 | 5 | 5 | 60 | 5 | ||
| Образец 789 | 80 | талк | 20 |
Изтеглете шаблона тук:
Моля, изпратете ни данните си, както и екселския файл за състава на материала. Намерете пример тук:
| Идентификатор на образеца / име на файла | PP-C [wt%] | PP-H [wt%] | LDPE [wt%] | LLDPE [wt%] | HDPE [wt%] | PET [wt%] | Вид на пълнителя | пълнител [wt%] |
| Образец 123 | 20 | 80 | ||||||
| Образец 456 | 5 | 20 | 5 | 5 | 60 | 5 | ||
| Образец 789 | 80 | талк | 20 |
Изтеглете шаблона:
Вашият принос

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

- Следвайте точно контролния списък за количествено измерване (вж. ръководния документ по-горе)
- Уверете се, че материалът е истинско съединение (без сухи смеси)
- 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)
- Изпратете ни имейл, за да обсъдим вашия принос или да споделите данни
- Нашите експерти по Quantify ще се свържат с вас:





