| Published: 

NETZSCH Proteus® til kvalitetskontrol

Introduktion

Ved rutinemæssige anvendelser i forbindelse med inspektion af indgående varer eller kvalitetssikring er der mere fokus på bestemmelse af karakteristiske værdier end på materialeidentifikation. Derfor evalueres kendte materialer altid med de samme rutiner for at kunne sammenligne dem med referencematerialer og evaluere kvalitetsstandarder. På den måde kan materialepartier, der ikke opfylder kravene, identificeres og sorteres fra i tide.

Med introduktionen af Identify, den termoanalytiske NETZSCH Proteus® database, kan ukendte prøver genkendes og identificeres hurtigt og pålideligt [1]. Naturligvis kan denne database også vurdere kendte prøver med hensyn til, hvor meget deres termiske opførsel ligner tilbageholdte prøver eller referencestoffer. Denne lighedssammenligning tager højde for en række forskellige effekter - for det meste automatisk evalueret - og vurderer også den prøve, der skal undersøges, med hensyn til, om alle effekter, der er typiske for dette materiale, virkelig blev opdaget. Denne tilgang er især fordelagtig til identifikation af blandinger og blandingsforhold [2].

En anden mulighed for at evaluere prøver tilbydes af NETZSCH Proteus® evalueringssoftware med oprettelse af nye målemetoder. Denne applikationsnote vil beskrive, hvordan målemetoder - sammen med de nævnte kvalitetskriterier - programmeres, og hvordan de kan bruges til evalueringsformål.

Programmering af en målemetode

Målemetoder fungerer som en skabelon for rutineopgaver, hvor identiske målebetingelser og et identisk måleprogram skal bruges til en række forskellige prøver, der skal undersøges. Der er flere muligheder for programmering af målemetoder.

A) Som ved en individuel måling programmeres alle måleparametre i målesoftwaren, men som metoder i stedet for som målefiler. Disse metoder kan til enhver tid genbruges som en skabelon for denne type måling. Desuden kan man åbne og ændre metoden og gemme den igen under et andet navn.

B) Målemetoden oprettes ikke i måleprogrammet, men i evalueringsprogrammet i softwaren NETZSCH Proteus® . En allerede eksisterende måling fungerer her som skabelon for metoden. De enkelte behandlingstrin, der blev udført med den eksisterende måling i evalueringssoftwaren - såsom udvælgelse af individuelle segmenter, udjævning af måledata, udvælgelse af det viste måleområde, evaluering af resultater som f.eks. topareal eller bestemmelse af glasovergangstemperaturen - overføres således til metoden. Hvis der udføres en anden prøvemåling baseret på denne metode, implementeres alle evalueringstrin automatisk, når målingen er afsluttet.

C) Som beskrevet under B) oprettes en metode ved hjælp af en allerede eksisterende måling inklusive evalueringstrinnene. Derudover fastlægges der kvalitetskriterier, som også evaluerer de prøveresultater, der opnås efter måling og evaluering. På denne måde kan det sikres, at alle målinger kan udføres med det samme måleprogram og under de samme målebetingelser, at de samme evalueringstrin anvendes på alle måledata, at alle måleresultater er baseret på de samme evalueringsområder (markørernes positioner), og at evalueringerne af resultaterne er baseret på de samme kriterier og derfor er ideelt egnet til sammenligning.

Resultater og diskussion

Smelteadfærden for en række forskellige polypropylenprøver blev analyseret ved hjælp af NETZSCH DSC 214 Polyma til evalueringsformål. En sammenligningsprøve blev således udvalgt til at fungere som benchmark for alle efterfølgende prøver. Granulatlinsen i denne sammenligningsprøve blev skåret midt over i længderetningen og blev overført med den glatte snitflade til en NETZSCH Concavus® aluminiumdigel.

Prøven med en vægt på 5,319 mg blev opvarmet to gange til 200 °C ved opvarmnings- og afkølingshastigheder på 10 K/min. Smelteadfærden i det andet opvarmningssegment er vist i figur 1. Den evaluerede smelteentalpi på 98,2 J/g og spidstemperaturen på 164,2 °C repræsenterer de referenceværdier, som kvalitetskriterierne for de følgende undersøgelser blev fastlagt på baggrund af.

DSC-kurve (Differential Scanning Calorimetry), der viser polypropylens smelteadfærd, som topper ved 164,2 °C.
1) Smelteadfærd for polypropylen

Figur 2 viser, hvordan en målemetode kan oprettes ved hjælp af evalueringssoftwaren NETZSCH Proteus® , hvor metodeoprettelsen er baseret på den aktuelle evalueringsstatus. Derudover kan der defineres kvalitetskriterier for de evaluerede resultater. Som eksempel sætter vi disse til ± 2 K for peak-temperaturen og ± 5 % for smelteentalpien. Figur 3 viser de nødvendige indtastninger i softwaren.

Grænseflade til oprettelse af målemetoder med muligheder for analysemetoder og kvalitetskontrol fremhævet.
2) Oprettelse af en målemetode
Indstillinger for kvalitetskriterier for peak-temperatur og smelteentalpi med specifikke grænser, der vises på en softwaregrænseflade.
3) Indstilling af kvalitetskriterierne for peak-temperaturen (venstre) og smelteentalpien (højre)

Ved hjælp af den således skabte målemetode blev 10 andre polypropylenprøver undersøgt med NETZSCH DSC 214 Polyma udstyret med ASC-prøvebakke. Allerede under målingen får man en indikation af, om de undersøgte prøver opfylder de definerede kvalitetskriterier eller ej. Symbolet i historikloggen for den automatiske prøveudskifter (figur 4) angiver, at kriterierne er opfyldt; symbolet markerer derimod prøver, som ikke opfylder de definerede krav for mindst ét kriterium.

ASC-prøvebakkehistoriklog, der viser prøvestatus, herunder forberedte, igangværende, vellykkede og mislykkede analyser.
4) Historisk log af ASC-prøvebakken

Præsentationen af resultaterne - der evalueres automatisk efter hver måling - omfatter ikke nogen særlig meddelelse i tilfælde, hvor alle kvalitetskriterier er opfyldt. Men hvis en evalueret værdi ligger uden for de definerede intervaller, vil et udråbstegn følge det præsenterede resultat. Måleresultatet vist i figur 5 opfylder således kriteriet for peak-temperaturen, men ikke for smelteentalpien.

Grafen for den termiske DSC-analyse viser en top ved 162,7 °C og en værdi på 49,08 J/g, hvilket indikerer materialets egenskaber.
5) Automatisk evalueret resultat med markering af de kriterier, der ikke blev opfyldt.

Et sammendrag af resultaterne for alle polypropylenprøver er vist for smelteentalpien i figur 6 og for spidstemperaturen i figur 7.

Søjlediagram, der viser smelteentalpi-værdier for polypropylenprøver (PP #1 til PP #10) i joule pr. gram (J/g).
6) Resultater af smelteentalpien for alle polypropylenprøver
Søjlediagram, der viser resultater for spidstemperatur i °C for polypropylenprøverne PP #1 til PP #10, med fremhævelse af variationer.
7) Resultater af spidstemperaturen for alle polypropylenprøver

Punktet for farveovergangen fra blå til rød viser den nedre grænse for hvert af kvalitetskriterierne; den øvre grænse blev ikke overskredet i nogen af måleeksemplerne. Man kan hurtigt se, at polypropylenprøverne PP#5, PP#6 og PP#10 ikke opfylder kvalitetskriterierne på grund af for lave smelteentalpier. Dette kan f.eks. skyldes forskellige mængder af inerte fyldstoffer, som igen kan resultere i ændringer i de mekaniske egenskaber. På den anden side blev peak-temperaturerne registreret som værende inden for kvalitetskriteriernes grænser for alle prøver undtagen prøve PP#8, som udviser en for lav værdi. Årsagerne til dette kan ligge i tilsætningsstoffer og urenheder som f.eks. andre polyolefiner.

Sammenfatning

Evalueringssoftwaren NETZSCH Proteus® tilbyder en række muligheder med hensyn til automatiseret prøveanalyse og automatiseret evaluering af måleresultater.

Med introduktionen af Identify, den første termoanalytiske database, er det nu for første gang muligt at foretage en omfattende evaluering af måleresultater med hensyn til temperatur og intensitet af detekterede signaler, og også med hensyn til den mulige mangel på signaler, der ellers ville være karakteristiske for det tilsvarende materiale.

Mulighederne for automatisk evaluering af de resultater, der diskuteres i dette arbejde, er derimod baseret på individuelle måleværdier som f.eks. peak-temperatur eller smelteentalpi. Disse tilfælde illustrerer naturligvis kun denne tilgang som eksempler. Det er også fuldt ud muligt at underbygge andre måleværdier, som f.eks. glasovergangstemperaturen for amorfe stoffer eller den ekstrapolerede start på en begyndende reaktion, på en lignende måde ved hjælp af kvalitetskriterier. Disse kan naturligvis også overføres til andre materialer som f.eks. metaller, lægemidler eller fødevarer. Da kvalitetskriterierne kan vælges frit, kan de materialer, der skal undersøges, evalueres meget selektivt - for eksempel ved hjælp af meget restriktive kriterier. Dette arbejde viste således, at softwaren NETZSCH Proteus® ikke kun giver mulighed for automatiseret prøvemåling og -evaluering, men også for meget individuelle, prøvespecifikke justeringer af den automatiske vurdering af resultaterne.

Literature

  1. [1]
    (a) A. Schindler, "Automatic Evaluation and Identification of DSC Curves", Plastics Engineering, 2014,www.plasticsengineering.org/ProductFocus/productfocus.aspx?ItemNumber=20498
    (b) A. Schindler, NETZSCH Application Note 059, "Analysis of 200
    Unknown DSC Curves by Means of Identify Using its Polymer Libraries", 2014
    (c) A. Schindler, C. Strasser, Application Note 060, "Stability
    of Identify Database Search Results with Regard to Sample Mass and Heating Rate", 2014
    (d) A. Schindler, NETZSCH Application Note 061, "The Identify
    Database as an Archive for NETZSCH and User Data", 2014
  2. [2]
    (a) E. Füglein, E. Kaisersberger, "About the development of databases in thermal analysis", J Therm Anal Calorim, 2015, 1, 23(DOI: 10.1007/s10973-014-4381-3).
    (b) Füglein E., Kaisersberger E., NETZSCH Application Note 078
    ,"Identification of Polymer Mixtures (PE/PP) by Means of Identify" ,2015
AI Overview
An error occurred. Please try again.